摘要
本发明提供一种融合信任损失和决策再分类的图卷积心脏病检测方法。属于医学信息智能处理技术领域,解决了在心脏病检测中,不确定性数据影响分类精度的问题。其技术方案为:首先,采集心脏病信息数据样本集,然后,对上述数据进行预处理,构建邻接矩阵;接着,将处理过后的心脏病信息数据输入图卷积神经网络GCN进行模型的训练;最后,模型进入测试阶段,得到初步分类结果后进入决策层,根据阈值筛选出不确定节点信息,利用高斯核进行映射,使其在高维可分,达到再分类效果。
技术关键词
更新模型参数
矩阵
高斯核函数
医学信息智能
表达式
训练样本集
数据
决策
标签
分类准确率
索引
训练集
节点特征
网络结构
元素
模式
非线性
邻居