黄 嵩，张云华

（浙江理工大学 信息学院，浙江杭州 310018）

0 引言

根据世界卫生组织的报告，心脏病每年导致全球数百万人死亡［1］。引发心脏病的因素有很多，如工作压力过大和生活作息不规律等。中国作为世界人口第一大国，约有两亿多人患有不同程度的心脏病［2］。近年来，中国心脏病发病呈年轻化趋势［3］。与此同时，我国地区经济发展不平衡，公共医疗资源也严重不足。在这样的社会背景下，开发出一个能从病人的病历信息中筛选出有效信息，并协助医生作出心脏病诊断的算法具有非常高的现实价值［4］。

在国外，早在1976 年，斯坦福大学的Wraith 等［5］就开发出了MYCIN 系统，可以帮助医生对患者进行诊断，但由于早期的计算机计算性能有限，MYCIN 系统的准确性有限，功能也比较匮乏。近年来，随着机器学习的发展，可以通过计算机技术手段挖掘病人病历中的信息，在病历数据中找出疾病相关信息，并利用这些信息建立疾病预测模型［6］。苗立志等［7］使用支持向量机和随机森林实现了对乳腺癌的风险分析和预测；苗丰顺等［8］使用随机森林和XG⁃Boost 实现了糖尿病的风险预测；赵颖旭等［9］使用LightGBM对老年痴呆住院费用进行预测；Amin 等［10］使用支持向量机完成了对心脏病的预测。

本文基于已有研究，针对病历数据维度高的问题，首先对病历数据进行降维［11］。传统的主成分分析（PCA）方法是假设数据集中各特征是线性无关的，主要通过计算方差寻找不同特征之间的线性组合。而在很多应用场景下，线性映射很难得到想要的结果，核主成分分析（KPCA）通过核函数的思想获得了更好的特征提取性能。……