一种基于非完备数据的强直性脊柱炎骨化分类方法

一种基于非完备数据的强直性脊柱炎骨化分类方法属于机器学习和人工智能领域。首先，提出了一种基于自表示学习的缺失数据下特征选择算法，该算法可以从不完整的指标中识别出信息量最大的部分，通过捕获缺失指标之间的高阶相关性来重建特征空间，然后采用约束最小二乘回归，以进一步减轻缺失数据对特征选择有效性的影响。将得到的特征子集送到分类器中，构建出AS骨化分类模型，该模型可以利用缺失的生化指标对样本进行判别分类，相较于其他分类模型性能大幅提升。