本文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

作者与机构
本研究由Chonghui Guo、Mucan Liu和Menglin Lu共同完成，他们来自大连理工大学系统工程研究所。研究于2021年发表在《Applied Soft Computing Journal》第103卷，文章编号为107166。

学术背景
研究领域为医疗数据分析与机器学习，特别是重症监护病房（ICU）患者死亡率预测。传统的评分系统（如MODS、SAPS II和SOFA）虽然在临床中广泛应用，但在面对大规模数据时预测性能不足。尽管单机器学习模型和集成学习方法能够利用大数据，但它们在对新患者进行个性化预测时表现有限。动态集成选择（DES）方法在模式识别领域被广泛研究，但其仅选择单一分类器，而未充分利用集成学习的优势。为解决上述问题，本研究提出了一种基于k-means的动态集成学习算法（DELAK），旨在提高ICU患者死亡率预测的准确性和个性化。

研究流程
研究流程主要包括以下几个步骤：
1. 数据预处理：使用MIMIC-III（Medical Information Mart for Intensive Care III）数据集，该数据集包含2001年至2012年间58,976名ICU患者的临床数据。研究筛选了42,145名患者的首次ICU入院记录，并排除年龄小于15岁的患者。最终获得6,855名患者的预处理数据。数据预处理包括处理缺失值、噪声值和重复值，并选择SAPS II评分系统中的预测因子作为输入特征。
2. k-means采样：使用k-means算法将数据集划分为多个簇，生成多个子数据集用于训练基分类器。k-means采样通过计算每个样本与簇中心的欧氏距离，选择最接近簇中心的样本作为子数据集。这一方法确保了基分类器的多样性。
3. 基分类器训练：在每个子数据集上训练不同的基分类器，包括k近邻（KNN）、神经网络（NN）、支持向量机（SVM）、逻辑回归（LR）和决策树（DT）。
4. 动态集成学习：提出了一种基于距离的动态集成方法，根据测试样本与簇中心的距离动态调整每个基分类器的权重。距离越近，对应基分类器的权重越大。
5. 实验设计与性能评估：研究设计了多组实验，包括不同基分类器的比较、不同簇数和采样比例的影响，以及与其他集成方法的对比。性能评估指标为AUROC（受试者工作特征曲线下面积）和AUPRC（精确率-召回率曲线下面积）。

主要结果
1. 基分类器比较：神经网络（NN）在所有任务中表现最佳，尤其是在簇数达到10时，AUROC得分显著提升。
2. 簇数与采样比例的影响：随着簇数的增加，AUROC得分呈上升趋势，但当簇数达到10后，提升速度减缓。采样比例对不同的基分类器影响不同，SVM和NN的AUROC得分随采样比例增加而增加，而KNN和DT的得分在采样比例为0.2-0.3时达到峰值。
3. 集成方法比较：提出的DELAK方法在所有任务中的AUROC和AUPRC得分均优于其他集成方法，包括加权AUROC集成（WAUCE）、平均集成（AVGE）和单一最佳分类器（SB）。
4. 与传统评分系统和经典集成方法的比较：DELAK在ICU患者死亡率预测任务中表现优于传统评分系统（如SOFA、MODS和SAPS II）和经典集成方法（如随机森林和AdaBoost）。

结论
本研究提出的基于k-means的动态集成学习算法（DELAK）在ICU患者死亡率预测任务中表现出色，显著提高了预测的准确性和个性化。通过k-means采样和基于距离的动态集成，DELAK能够充分利用大数据的优势，同时克服了传统集成学习方法在个性化预测中的不足。该研究为医疗数据分析提供了新的思路，具有重要的科学价值和应用前景。

研究亮点
1. 创新性方法：首次将k-means采样与动态集成学习结合，提出了一种全新的集成学习算法。
2. 个性化预测：通过基于距离的动态集成方法，实现了对每个新测试样本的个性化预测。
3. 性能优越：DELAK在多个预测任务中的表现均优于传统评分系统和经典集成方法。
4. 广泛应用潜力：该方法不仅适用于ICU患者死亡率预测，还可推广至其他分类任务。

其他有价值的内容
研究还探讨了不同基分类器、簇数和采样比例对算法性能的影响，为后续研究提供了重要的参数选择依据。此外，研究使用了公开的MIMIC-III数据集，确保了实验的可重复性和透明性。