核主成分-k近邻算法在心脏疾病分类中的应用研究
胡扬
魏毅强
太原理工大学数学学院 太原 030024
摘要：目的 基于核主成分与k近邻算法提出了心脏疾病分类的KPCA-KNN方法,以便更准确地掌握病人的病情.方法 通过Q-Q图检验核变换后的数据是否服从多元正态分布,其中核参数采用非参数统计检验——Friedman检验方法进行优化选取,进一步发现在同一种分类方法中,分类正确率对于核参数的选取具有鲁棒性.结果 所使用的数据是高维非线性数据,为了避免出现维数灾难和过拟合的现象,使用核主成分方法来减少数据维数,去除非线性因素的影响,通过k近邻算法判断病人是否患有心脏病.该方法在UCI数据库的SPECIF数据上进行了测试.结论 核主成分在降维和分类方面表现良好,分类准确率比原始的CLIP3算法提高了15％.与主成分相比,对于非线性数据的分类效果更为优越.在处理心脏疾病数据这一类非线性分类问题时,KPCA-KNN方法使得解决问题又多了一条有效的途径.
关键词：心脏疾病核主成分分析k近邻算法正态分布Friedman秩方差分析法非线性降维
资助基金：国家自然科学基金(No.201901D111123)
论文发表日期：2021-06-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1848-1852 )
英文信息