摘要：基于語(yǔ)音數(shù)據(jù)挖掘?qū)崿F(xiàn)帕金森病診斷的方法近年來(lái)已被證明有效。然而,受數(shù)據(jù)采集對(duì)象患病程度以及采集設(shè)備和環(huán)境等因素影響,所獲取數(shù)據(jù)集的樣本空間中存在不同類別樣本混疊現(xiàn)象。混疊區(qū)域的樣本難以有效識(shí)別,嚴(yán)重影響了算法的分類準(zhǔn)確度。為了解決這一問(wèn)題,本文提出了分包融合集成算法,通過(guò)設(shè)計(jì)類心距離比值來(lái)衡量樣本的混疊程度并將訓(xùn)練集劃分成多個(gè)子集,再利用錯(cuò)誤分類樣本傳遞式訓(xùn)練的方法調(diào)整子集劃分結(jié)果,最后通過(guò)優(yōu)化子分類權(quán)重對(duì)各個(gè)子分類器的測(cè)試結(jié)果進(jìn)行加權(quán)融合。實(shí)驗(yàn)結(jié)果表明,本文方法分類準(zhǔn)確度在兩個(gè)公共數(shù)據(jù)集上都得到明顯提高,平均準(zhǔn)確度最大提高可達(dá)25.44%。該方法不僅有效提高了帕金森病語(yǔ)音數(shù)據(jù)集分類準(zhǔn)確度,還增加了樣本利用率,為帕金森病語(yǔ)音診斷提供了一種新思路。