论文部分内容阅读
肺栓塞是一种致死率很高的常见疾病，肺栓塞的预测和早期诊断对于人类的健康具有重要意义。本文提出了一种基于属性聚类的多示例集成学习方法，首先采用K-Means聚类算法对CTA数据进行属性聚类，降低数据的维度，然后用多示例集成学习方法进行肺栓塞预测。在真实世界数据集上的实验结果显示，与属性聚类前、单个分类器及一般的简单集成学习方法相比，该方法构造的分类器取得了更好的预测效果。