面向数据不均衡的高效轻量脉冲诊断分类模型.pdfVIP

第24卷第4期软件导刊Vol.24No.4

2025年4月SoftwareGuideApr.2025

面向数据不均衡的高效轻量脉冲诊断分类模型

邱泽浩，杨晶东

（上海理工大学光电信息与计算机工程学院，上海200093）

摘要：为解决脉诊数据集在现实条件下存在的样本不均衡，以及现有高血压危险三分层脉搏波预测模型效率较低

和分类精度较差的问题，提出一种面向数据不均衡的高效轻量脉冲诊断分类模型。首先，在预处理阶段提出一种改

进的频域特征提取方法MFCC-PCA，从数据中提取相关特征，应用SMOTE+ENN对数据集进行均衡化处理；其次，提

出一种结合网格搜索与贝叶斯优化的超参数优化算法GBO优化XGBoost模型超参数，构建一种基于XGBoost算法的

高血压预测模型GBO-XGBoost；最后，利用SHAP方法分析各高血压危险三分层的脉搏波特征对检测的重要性，为高

血压预防和临床诊断提供参考。在脉诊数据集上的实验表明，GBO-XGBoost模型的Accuracy、Precision、F1-score和

AUC值分别为98.27%、98.28%、98.36%、99.96%，相较于经典机器学习方法的分类精度更高。

关键词：脉搏波；高血压；特征提取；超参数优化；样本均衡；特征重要性

DOI：10.11907/rjdk.241243开放科学（资源服务）标识码（OSID）：

中图分类号：TP18文献标识码：A文章编号：1672-7800（2025）004-0025-07

EfficientandLightweightPulseDiagnosisClassificationModelforDataImbalance

QIUZehao，YANGJingdong

（SchoolofOptoelectronicInformationandComputerEngineering，UniversityofShanghaiforScienceandTechnology，

Shanghai200093，China）

Abstract：Toaddresstheissueofsampleimbalanceinpulsediagnosisdatasetsunderreal-worldconditions，aswellasthelowefficiencyand

classificationaccuracyofexistingthree-layerpulsewavepredictionmodelsforhypertensionrisk，anefficientandlightweightpulsediagnosis

classificationmodelfordataimbalanceisproposed.Firstly，animprovedfrequencydomainfeatureextractionmethodMFCC-PCAisproposed

inthepreprocessingstagetoextractrelevantfeaturesfromthedata，andSMOTE+ENNisappliedtobalancethedatase