王明星 田恬恬 吳邵平 翟臨威 舒炫煜 張錦

摘要：癲癇是大腦功能失調(diào)引起的神經(jīng)系統(tǒng)的常見多發(fā)疾病之一，患者人數(shù)多，死亡率高，因此對癲癇病的研究至關(guān)重要。對于此類高風(fēng)險場合的分類識別，僅用傳統(tǒng)的機(jī)器學(xué)習(xí)算法得到預(yù)測結(jié)果是不夠的，因?yàn)樵谶@類識別研究中不僅要關(guān)注整體判斷的正確率，更要關(guān)注每一個個體的可信度，故引入置信機(jī)器，它既可以給出樣本的預(yù)測結(jié)果，也能給定預(yù)測結(jié)果的可信度，避免誤判，進(jìn)而控制風(fēng)險，這對癲癇疾病的識別研究起到一定的作用。

關(guān)鍵詞：癲癇;K近鄰算法;直推式置信機(jī)器

中圖分類號：TP18? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? 文章編號：1009-3044（2018）36-0185-02

Abstract： Epilepsy is one of the common multiple diseases of the nervous system caused by brain dysfunction. The number of patients is high and the mortality rate is high. Therefore， research on epilepsy is very important. For the classification and identification of such high-risk occasions， it is not enough to use the traditional machine learning algorithm to obtain the prediction results， because in this kind of identification research， not only the correct rate of the overall judgment， but also the credibility of each individual should be paid attention to. Therefore， a confidence machine， transductive confidence machine （TCM）， is introduced， which can not only give the prediction result of the sample， but also give the credibility of the prediction result， avoid misjudgment， and then control the risk， which plays a certain role in the identification research of epilepsy disease.

Key words： Epilepsy; K nearest neighbor algorithm; Transductive confidence machine

大腦是整個人體最為復(fù)雜的系統(tǒng)。在大腦中，信息由神經(jīng)元負(fù)責(zé)處理，通過突觸連接來傳遞，進(jìn)而突觸連接又產(chǎn)生腦電信號（EEG）。如果在神經(jīng)元之間信息傳遞發(fā)生不平衡，則會導(dǎo)致異常放電，稱為癲癇發(fā)作。癲癇發(fā)作是大腦中電活動突然激增，通常會影響人們在短時間內(nèi)的感覺或行為[1]。癲癇長期頻繁發(fā)作會引起患者智力損傷， 嚴(yán)重者甚至?xí)霈F(xiàn)生活能力及認(rèn)知功能下降[2]。因此，及時準(zhǔn)確的檢測和診斷，對癲癇病人的病情救治至關(guān)重要。隨著機(jī)器學(xué)習(xí)的不斷深入研究，在可信的機(jī)器學(xué)習(xí)方面也得到了迅速的發(fā)展。所謂可信的機(jī)器學(xué)習(xí)，就是要求機(jī)器學(xué)習(xí)算法不僅要給出判斷結(jié)果，還要給出這種判斷的可信度或可靠性程度。這種可信的機(jī)器學(xué)習(xí)是通過在機(jī)器學(xué)習(xí)算法中引入置信度機(jī)制來實(shí)現(xiàn)的，把引入置信度機(jī)制的機(jī)器學(xué)習(xí)法稱為置信機(jī)器（ConfidenceMachine，CM）學(xué)習(xí)算法，置信機(jī)器不僅可以做出預(yù)測，還可以對每個樣本預(yù)測產(chǎn)生定量的質(zhì)量度量方法，即置信度和可信性。而直推式置信機(jī)[3，4]（Transductive ConfidenceMachine，TCM）是 CM 中公認(rèn)效果最佳的一類。在機(jī)器學(xué)習(xí)中引入置信度機(jī)制構(gòu)造置信機(jī)器，對于高風(fēng)險場合的分類識別算法是非常適合與必要的，如醫(yī)療診斷、大型復(fù)雜的故障診斷、網(wǎng)絡(luò)入侵檢測等。因?yàn)樵谶@類識別判斷中不僅要關(guān)注整體判斷的正確率，更要關(guān)注每一個個體判斷的可信度以便做出合理地針對個體的處理方法，避免誤判。

1 TCM介紹

直推式置信度機(jī)制是基于算法隨機(jī)性理論，先將待預(yù)測數(shù)據(jù)假定成所有可能的類別，然后分別與已知樣本構(gòu)成隨機(jī)序列，計算構(gòu)成新序列的隨機(jī)性大小，哪個分類下的序列隨機(jī)性越大，待預(yù)測樣本就越有可能屬于該分類，同時選取該隨機(jī)性值作為置信度，實(shí)現(xiàn)置信判定[5]。

隨機(jī)性的計算是通過隨機(jī)性檢測函數(shù)[t=t（z）]來實(shí)現(xiàn)，[z]是樣本空間中[Z]的有限集，[t（z）：Zn→[0，1]]，[n]為樣本序列的長度。然而該理論定義的隨機(jī)性檢測函數(shù)是不可計算的，因此必須建立滿足隨機(jī)性檢測函數(shù)條件的可計算的隨機(jī)性檢測函數(shù)，即奇異函數(shù)。實(shí)現(xiàn)奇異函數(shù)有三種方法，分別是距離奇異描述函數(shù)，支持奇異描述函數(shù)和應(yīng)變奇異描述函數(shù)，本實(shí)驗(yàn)因在KNN算法中嵌入直推式置信機(jī)，故采用距離奇異描述函數(shù)，對每一個樣本[x]定義一個奇異值[ri]表示用該函數(shù)描述如下：

其中[ri]表樣本[xi]到它的同類樣本的距離和與它異類樣本的距離和的比值。

根據(jù)樣本的類別[y（y∈{-1，+1}）]，然后通過（1）式計算出每個樣本類別中樣本的奇異值[（ry1，ry2，…，ryl）]。加入新測試樣本[xnew]，再計算[xnew]的奇異值[xnew]。然后得到奇異值序列[（ry1，ry2，…，ryl，rnew）]測試樣本的[P]值由隨機(jī)性檢測函數(shù)（2）式給出：