公开(公告)号：CN113012776B

公开(公告)日：2022-11-04

申请号：CN202110341531.7

申请日：2021-03-30

Applicant: 南通大学

Inventor： 丁卫平 ,  李铭 ,  孙颖 ,  秦廷帧 ,  鞠恒荣 ,  黄嘉爽 ,  高自强 ,  潘壬远

IPC: G16H10/60 ,  G16H15/00 ,  G06F16/182 ,  G06K9/62

Abstract: 本发明提供了一种大规模不平衡糖尿病电子病历并行分类邻域证据Spark方法，在主节点上读取糖尿病数据，并按照4:1比例将糖尿病数据划分为训练集和测试集；在子节点上对糖尿病训练集通过Spark并行欠采样获得多个新的训练子集；在子节点上通过Spark并行病理特征约简器得到病理特征约简子集，并更新每个子节点上训练子集和测试子集的病理特征集，在子节点上，通过邻域证据Spark并行分类器获得测试子集的预测类别标签集合，在主节点上根据投票机制得到最终的预测类别标签。本发明的有益效果为：本发明去除大规模数据中冗余属性，提高了计算效率，充分地利用了样本之间的支持信息，提升了糖尿病数据分类的效率和精度。

公开(公告)号：CN113012776A

公开(公告)日：2021-06-22

申请号：CN202110341531.7

申请日：2021-03-30

Applicant: 南通大学

Inventor： 丁卫平 ,  李铭 ,  孙颖 ,  秦廷帧 ,  鞠恒荣 ,  黄嘉爽 ,  高自强 ,  潘壬远

IPC: G16H10/60 ,  G16H15/00 ,  G06F16/182 ,  G06K9/62

Abstract: 本发明提供了一种大规模不平衡糖尿病电子病历并行分类邻域证据Spark方法，在主节点上读取糖尿病数据，并按照4:1比例将糖尿病数据划分为训练集和测试集；在子节点上对糖尿病训练集通过Spark并行欠采样获得多个新的训练子集；在子节点上通过Spark并行病理特征约简器得到病理特征约简子集，并更新每个子节点上训练子集和测试子集的病理特征集，在子节点上，通过邻域证据Spark并行分类器获得测试子集的预测类别标签集合，在主节点上根据投票机制得到最终的预测类别标签。本发明的有益效果为：本发明去除大规模数据中冗余属性，提高了计算效率，充分地利用了样本之间的支持信息，提升了糖尿病数据分类的效率和精度。