论文部分内容阅读
临床上中医辨证结果往往出现多个证型兼夹的情况,针对多证型的建模属于典型的多标记学习问题。传统的多标记学习算法不同标签之间相互独立,而兼夹证型中的各个证型(标签)之间存在紧密联系,传统的多标记学习算法无法解决这一问题。本文设计一种基于依赖树的中医辨证多标记学习算法MLRDT,分别寻找特征和标签对应的最优依赖树,并以标签依赖树对特征依赖树的预测结果进行修正,解决了标签之间的关联问题。将ML_(RDT)与经典的多标签学习算法(ML_(KNN)、ML_(RBF)、BP_(MLL))进行对比,并在中医数据集进行实验