计算机科学与探索

作者：商显震，韩萌，孙毓忠，孙宇宁，陈旭，胡满满，梅御东

单位：1.北方民族大学 计算机科学与工程学院，银川 7500212.中国科学院 计算技术研究所 计算机体系结构国家重点实验室，北京 1001903.云南大学 软件学院，昆明 650091

关键词：皮肤病诊断,朴素贝叶斯（NB）,词频-逆文档频率（TF-IDF）算法,生成对抗网络（GAN）,类不平衡数据

不同皮肤病间发病率的差异导致了皮肤病数据类不平衡现象，对使用机器学习方法构建高效、准确的皮肤病诊断模型带来了巨大挑战。提出一种融合生成对抗网络（generative adversarial networks，GAN）和朴素贝叶斯的皮肤病二分类诊断方法：在皮肤病数据集上训练朴素贝叶斯二分类器作为诊断器，创新性地使用GAN为前者生成补充训练样本，使其训练集正负类样本达到平衡。针对皮肤病诊断多分类问题，提出一种融合生成对抗网络和朴素贝叶斯的多分类诊断方法：使用GAN和朴素贝叶斯训练皮肤病单病种二分类器，并结合了词频-逆文档频率算法（term frequency-inverse document frequency，TF-IDF），将多个二分类器组合成一个多分类器作为诊断器。与六种诊断方法进行了对比实验，提出的两种皮肤病诊断方法准确率和召回率均有提升。

来源：2019年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第6期