检索结果-内蒙古大学图书馆

智能系统学报 2025年第1期20卷 198-205页

作者：熊立鹏徐修远牛颢陈楠章毅四川大学计算机学院四川成都610065 四川大学华西医院四川成都610065

为了准确预测病人肺部手术后并发症的发生,提出了一种融合神经记忆常微分方程(neural memory ordinary differential equation,nmODE)的并发症预测模型。首先,利用极限梯度提升(extreme gradient boosting,XGBoost)树结构对数据进行编码... 详细信息

为了准确预测病人肺部手术后并发症的发生,提出了一种融合神经记忆常微分方程(neural memory ordinary differential equation,nmODE)的并发症预测模型。首先,利用极限梯度提升(extreme gradient boosting,XGBoost)树结构对数据进行编码,并提取其特征重要性。然后,使用长短时记忆神经网络对数据的相关特征依赖性进行分析,并提取处理后的特征。最后,利用nmODE的记忆和学习能力,对提取的特征进行深入分析,并得出最终的预测结果。通过实验评估,在肺部术后并发症数据集中,证明了提出模型的效果优于现有模型,同时可以为预测肺部手术后并发症的发生提供更准确的结果。

关键词：疾病预测异构表格数据神经记忆常微分方程极限梯度提升长短时记忆神经网络合成少数过采样技术类别不平衡病人预后

来源：评论

学校读者我要写书评

暂无评论

数据不平衡情况下的柴油机故障诊断方法

引用

天津大学学报（自然科学与工程技术版） 2024年第8期57卷 810-820页

作者：毕凤荣郭明智毕晓阳汤代杰沈鹏飞黄盟先进内燃动力全国重点实验室(天津大学) 天津300072 河北工业大学机械工程学院天津300401

由于强调整体分类的准确率,机器学习方法在数据不平衡情况下的柴油机故障诊断效果不佳.因此,本文提出一种改进合成少数过采样技术(SMOTE)与机器学习技术相结合的故障诊断方法.首先对SMOTE算法进行改进,采用k近邻算法滤除多数类中的噪声... 详细信息

由于强调整体分类的准确率,机器学习方法在数据不平衡情况下的柴油机故障诊断效果不佳.因此,本文提出一种改进合成少数过采样技术(SMOTE)与机器学习技术相结合的故障诊断方法.首先对SMOTE算法进行改进,采用k近邻算法滤除多数类中的噪声样本,从而减少各种故障类别之间的重叠.同时,使用k-means算法确定少数类稀疏度和采样权重,减轻类内不平衡.然后,使用改进SMOTE算法平衡柴油机故障数据,并利用机器学习方法进行最终故障诊断.在二维数据集上的实验表明,改进SMOTE算法能有效减轻原始数据中存在的类重叠和类内不平衡问题.柴油机故障诊断实验表明,改进SMOTE算法生成的故障样本能更好地模拟原始故障样本,使用改进SMOTE算法能提高故障诊断方法的准确率.

关键词：数据不平衡故障诊断合成少数过采样技术柴油机振动信号

来源：评论

学校读者我要写书评

暂无评论

基于广义相加模型的北京市2018—2022年地面臭氧气象影响要素研究

引用

环境科学学报 2024年第4期44卷 206-214页

作者：李芊昀王自溪李杰杜惠云杨文夷胡波王哲王自发中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室北京100029 中国科学院大学北京100049

臭氧污染是制约北京市环境空气质量持续改善的关键因子,气象是导致臭氧浓度超过国家标准的重要因素,探究气象要素与臭氧浓度之间的关系,对有效治理臭氧污染具有重要意义.本文分析了2018—2022年北京市地面臭氧浓度的演变特征,并利用气... 详细信息

臭氧污染是制约北京市环境空气质量持续改善的关键因子,气象是导致臭氧浓度超过国家标准的重要因素,探究气象要素与臭氧浓度之间的关系,对有效治理臭氧污染具有重要意义.本文分析了2018—2022年北京市地面臭氧浓度的演变特征,并利用气象要素和臭氧日最大8 h滑动平均浓度(O_(3)-8 h)观测数据,基于广义相加模型和合成少数过采样技术,构建了适用于北京的臭氧非线性回归预测模型,识别了影响北京市O_(3)-8 h浓度日际变化气象因子的重要程度.结果显示:(1)近5年北京市臭氧浓度仍处于高位波动阶段,5—9月是臭氧浓度超标最严重的时期.(2)回归模型对高浓度臭氧具有良好的预测能力,其对北京市5—9月O_(3)-8 h浓度变化的方差解释率为83.3%.(3)基于回归模型发现,日最高气温、风向、紫外辐射强度、相对湿度、风速、地表平均气压与O_(3)-8 h浓度之间均有显著的非线性关系,其中,日最高气温、风向和紫外辐射强度为主导O_(3)-8 h浓度变化的气象要素.在高温、主导风向为偏南风、紫外辐射强度较强的气象条件下,北京市O_(3)-8 h浓度超标的可能性较高.

关键词：广义相加模型合成少数过采样技术臭氧浓度气象要素影响效应北京市

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法的重症缺血性脑卒中早期死亡预测效果评价

引用

海军军医大学学报 2022年第12期43卷 1365-1371页

作者：罗枭程义何倩涂博祥吴骋贺佳海军军医大学(第二军医大学)卫生勤务学系军队卫生统计学教研室上海200433

目的评价支持向量机(SVM)、随机森林、极限梯度提升(XGBoost)3种机器学习算法与logistic回归模型在重症缺血性脑卒中30 d死亡结局预测中的效果。方法使用2008年至2019年美国重症监护医学信息数据库Ⅳ(MIMIC-Ⅳ)中符合纳入标准的2 358... 详细信息

目的评价支持向量机(SVM)、随机森林、极限梯度提升(XGBoost)3种机器学习算法与logistic回归模型在重症缺血性脑卒中30 d死亡结局预测中的效果。方法使用2008年至2019年美国重症监护医学信息数据库Ⅳ(MIMIC-Ⅳ)中符合纳入标准的2 358例重症缺血性脑卒中患者资料,分别用SVM、随机森林、XGBoost3种机器学习算法与logistic回归方法,结合合成少数过采样技术(SMOTE)建立早期死亡预测模型,并使用ROC曲线的AUC值、准确度、F1分数、布里尔分数等指标评价模型的预测效果。结果 SVM、随机森林、XGBoost与logistic回归模型在原始不平衡数据集中预测早期死亡的AUC值分别为0.78、0.81、0.84、0.83。应用SMOTE合成数据集后,SVM、随机森林、XGBoost与logistic回归模型的AUC值分别为0.72、0.84、0.83、0.83。除SVM模型外,随机森林、XGBoost模型与logistic回归之间有相似的预测能力,但其准确度、布里尔分数均优于logistic回归模型,综合分类性能更优。结论机器学习算法在缺血性脑卒中早期死亡预测中性能较传统logistic回归方法更优。

关键词：重症缺血性脑卒中早期死亡预测机器学习合成少数过采样技术

来源：评论

学校读者我要写书评

暂无评论

基于NaN-Bicluster SMOTE的非均衡信贷数据分类研究及应用

引用

数据采集与处理 2023年第6期38卷 1482-1494页

作者：何亮徐海燕陈璐南京航空航天大学经济与管理学院南京211106

为了有效评估非均衡信贷数据中的借款人信用风险,基于合成少数过采样技术(Synthetic minority oversampling technique,SMOTE)、自然近邻(Natural neighbor,NaN)和双聚类(Bicluster)构建了NaN?Bicluster SMOTE方法以改进SMOTE。首先使用无参数的自然近邻设定采样样本选取的逻辑规则,规避了r近邻划分样本时产生的不稳定性;其次基于自然近邻稳定结构规定安全范围设定的逻辑规则,避免合成样本成为噪声样本;然后使用双聚类挖掘局部规则,以合成样本继承局部规则的方式改进SMOTE合成公式;最后,在Prosper小额贷款平台的非均衡信贷数据集上将NaN?Bicluster SMOTE与若干采样方法和机器学习模型进行对比分析,并进一步使用统计检验方法验证其性能的优越性。

关键词：小额贷款信用风险合成少数过采样技术自然近邻双聚类

来源：评论

学校读者我要写书评

暂无评论

三支过采样的不平衡数据分类方法

引用

山东大学学报（理学版） 2023年第12期58卷 41-51页

作者：方宇郑胡宇曹雪梅西南石油大学计算机科学学院四川成都610500

结合三支决策和合成少数过采样技术(synthetic minority over-sampling technique,SMOTE),提出了一种新的采样方法—三支过采样(three-way over-sampling,3WOS)。3WOS通过对所有样本构建三支决策模型,选取该模型边界域中的样本作为关键... 详细信息

结合三支决策和合成少数过采样技术(synthetic minority over-sampling technique,SMOTE),提出了一种新的采样方法—三支过采样(three-way over-sampling,3WOS)。3WOS通过对所有样本构建三支决策模型,选取该模型边界域中的样本作为关键样本进行SMOTE过采样,从而有效缓解样本聚集和分离问题,在一定程度上提高了分类器性能。该方法首先在少数类样本上应用三支决策和支持向量数据描述,将所有样本数据进行三分;其次,找出所有关键样本的k个最近邻少数类样本,并使用线性插值方式对每个关键样本合成新样本,然后形成新的少数类样本;最后,将更新后的样本集用于训练分类器。实验结果表明,3WOS方法比其他方法在基分类器上有较好的分类准确度、F-measure、G-mean和较少的代价值。

关键词：不平衡数据三支决策支持向量数据描述合成少数过采样技术分类

来源：评论

学校读者我要写书评

暂无评论

基于堆叠分类器的心电异常监测模型设计

引用

计算机应用 2021年第3期41卷 887-890页

作者：秦静左长青汪祖民季长清王宝凤大连大学信息工程学院辽宁大连116622 大连大学物理科学与技术学院辽宁大连116622 周口师范学院网络工程学院河南周口466001

针对传统的人工监测心脏疾病的方法对资深医生的依赖性强,需要一定的先验知识,且其监测疾病的速度和准确性有待提高等问题,提出了一种基于堆叠分类器的心电(ECG)监测算法来用于心脏异常的判定。首先,将多种机器学习算法的优势相结合,通... 详细信息

针对传统的人工监测心脏疾病的方法对资深医生的依赖性强,需要一定的先验知识,且其监测疾病的速度和准确性有待提高等问题,提出了一种基于堆叠分类器的心电(ECG)监测算法来用于心脏异常的判定。首先,将多种机器学习算法的优势相结合,通过叠加分类器的方式集成起来,从而弥补了单个机器学习算法学习的局限性;其次,使用合成少数过采样技术(SMOTE)对原有的数据集进行了数据扩充,使得各种疾病的数量持平从而增强数据的平衡性。通过在MIT-BIH数据集上与其他机器学习算法的结果进行比较评估,实验结果表明所提算法能够提高ECG异常监测的准确性。

关键词：心电监测模型融合合成少数过采样技术集成学习机器学习

来源：评论

学校读者我要写书评

暂无评论

食物腐败特征气体辨识及浓度估计算法研究

食物腐败特征气体辨识及浓度估计算法研究

引用

作者：罗捷上海交通大学

学位级别：硕士

近年来,食物短缺和食品安全问题日益突出,电子鼻技术的发展为其提供了一种全新的解决方案。电子鼻凭借在气体定量识别上超越人类嗅觉系统的优势,能够通过对腐败食物释放的特征气体进行种类辨识和浓度估计,从而判断食物的新鲜度,最终达... 详细信息

近年来,食物短缺和食品安全问题日益突出,电子鼻技术的发展为其提供了一种全新的解决方案。电子鼻凭借在气体定量识别上超越人类嗅觉系统的优势,能够通过对腐败食物释放的特征气体进行种类辨识和浓度估计,从而判断食物的新鲜度,最终达到减少食物浪费和避免人们食用变质食物的目的。然而,电子鼻在食物腐败检测中还面临着传感器时域数据特征信息量不足、模型泛化性能差、低浓度范围下混合气体定量识别难等瓶颈,极大限制了电子鼻的应用。本文基于电子鼻系统,围绕数据预处理、食物腐败特征气体的辨识与浓度估计算法开展工作,克服了二元混合气体交叉敏感的难题,通过对低浓度条件下乙醇（C2H5OH）、氨气（NH3）和硫化氢（H2S）三种特征气体的浓度进行估计,实现食物新鲜度检测。本文主要研究内容如下: 1、提出了基于傅里叶级数的传感器阵列数据图片化的方法。将传感器阵列响应向量构造成傅里叶级数矩阵,并将矩阵元素像素化,依次以列为单位填入图像矩阵中,完成传感器数据图片化过程。可同时实现传感器响应数据可视化以及对传感器数据时域特征和传感器响应空间频域分布特征的提取。 2、构建了基于卷积神经网络（Convolutional Neural Network,CNN）架构的气体辨识模型。本文将CNN应用到对C2H5OH、NH3、H2S以及它们的二元混合物进行识别。同时,结合合成少数过采样技术（Synthetic Minority Oversampling Technique,SMOTE）和Dropout技术,在5次5折交叉验证中,本文提出的食物腐败特征气体辨识模型的综合预测准确率达到了96.67%。 3、提出“先分类再定量”策略,针对单组分气体和二元混合气体两种情况,将不同形式的函数用于气体浓度估计模型的构建,并通过最小二乘法来确定模型参数。实验结果表明,C2H5OH、NH3和H2S三种气体的浓度估计平均绝对误差分别为3.71、0.5和0.13 ppm。 4、本文以牛肉、猪肉和猕猴桃等常见食物为例,验证了上述气体辨识和浓度估计模型的实用性,并确定了可评测这三种食物新鲜度的目标气体浓度阈值。此外,本文实现了用于食物腐败检测的电子鼻系统软硬件的设计与开发。本文率先通过结合傅里叶级数来提取传感数据特征,可同时包含时域信息和数据空间的频域分布信息。将样本数据被转化为图片,实现了传感数据可视化。此外,将CNN在图片识别上的优势转移到食物腐败特征气体的辨识当中。通过SMOTE和Dropout技术,克服了样本不平衡问题对模型训练的影响,显著提升了分类模型的泛化性能。本文提出不同形式的函数,用以适应单一组分气体和二元混合气体的情形,以此建立气体浓度估计模型,有效克服了二元混合气体之间由于相互干扰导致的气体传感器交叉敏感的问题,最终实现了对食物腐败检测电子鼻系统软硬件的真实环境应用验证。

关键词：电子鼻食物腐败傅里叶级数卷积神经网络合成少数过采样技术

来源：评论

学校读者我要写书评

暂无评论

基于流形学习的工业不平衡数据下的故障诊断研究

基于流形学习的工业不平衡数据下的故障诊断研究

引用

作者：张子阳北京化工大学

学位级别：硕士

随着技术的进步,工业过程向着智能化发展。由于设备一般工作在正常状态,只是在很短的时间内处于故障状态,导致采集的各类故障数据呈现出不平衡的特点,给故障诊断带来了困难。同时,采集到的数据还具有不平衡、非线性、强耦合和具有流形... 详细信息

随着技术的进步,工业过程向着智能化发展。由于设备一般工作在正常状态,只是在很短的时间内处于故障状态,导致采集的各类故障数据呈现出不平衡的特点,给故障诊断带来了困难。同时,采集到的数据还具有不平衡、非线性、强耦合和具有流形结构等特点。如何对不平衡故障样本进行数据生成并提取有效特征,成为提高诊断精度的重要因素。流形学习算法相比与传统故障诊断方法,能保留数据的局部结构信息,提取与故障相关的主要特征。局部敏感判别分析(LSDA)作为一种局部流形学习方法,既能保持局部几何结构,又能充分利用类标签进行判别分析。因此,本文利用两种基于改进SMOTE并集成LSDA的不平衡故障诊断方法,对化工过程进行建模,具体内容如下:(1)本文先提出了一种基于聚类合成少数过采样技术(ClusterSMOTE)集成LSDA的故障诊断方法——c SMOTE-LSDA。其中,c SMOTE通过K-Means算法对少数类进行聚类,先划分出若干个少数类簇,再分别应用SMOTE算法。该算法不仅可以滤除噪声和离群值,还使得合成的新样本都处在同一个少数类范围内,避免类间重叠样本的生成,并大大降低计算量。再利用流形学习的LSDA算法对平衡后的高维、非线性样本进行降维,提取有效的数据特征,并采用Ada Boost.M2多分类器进行故障分类。(2)为了进一步提高少数类故障样本的生成质量和故障诊断精度,本文又提出了一种基于改进的合成少数类过采样技术(ISMOTE)集成LSDA的故障诊断方法——ISMOTE-LSDA。ISMOTE使用了欧氏距离和余弦距离共同度量两点之间的邻近性,考虑了直线位置又考虑了空间几何位置,使样本的k个近邻点的选择更加合理,从而得到更有效的实例。该算法成功解决c SMOTE的合成方式单调、未考虑空间位置的问题,提高故障诊断的准确性。(3)最后,本文以田纳西伊斯曼过程数据集为研究对象,来分别验证这两种方法的性能。结果表明,本文所提出的c SMOTE-LSDA方法比传统的故障诊断方法具有更好的故障诊断精度,且经过改进的ISMOTELSDA进一步提升了少数类样本的生成质量与故障诊断的精度,更适用于不平衡故障诊断问题。

关键词：不平衡故障诊断局部敏感判别分析合成少数过采样技术聚类合成少数过采样技术田纳西伊斯曼

来源：评论

学校读者我要写书评

暂无评论

基于机器学习算法构建并验证后路腰椎椎间融合术后手术部位感染的预测模型

基于机器学习算法构建并验证后路腰椎椎间融合术后手术部位感染的...

引用

作者：熊创重庆医科大学

学位级别：硕士

目的:手术部位感染是腰椎融合术后的严重并发症之一,早期预测高危患者并及时干预能减少对患者的危害。本文旨在开发并验证后路腰椎椎间融合术后手术部位感染的机器学习预测模型,筛选出手术部位感染最重要的危险因素,并探索合成少数过采... 详细信息

目的:手术部位感染是腰椎融合术后的严重并发症之一,早期预测高危患者并及时干预能减少对患者的危害。本文旨在开发并验证后路腰椎椎间融合术后手术部位感染的机器学习预测模型,筛选出手术部位感染最重要的危险因素,并探索合成少数过采样技术(Synthetic Minority Oversampling Technique,SMOTE)是否可以提高该模型性能。方法:本研究对2019年1月到2021年8月在我中心因退行性腰椎疾病行后入路腰椎椎间融合术(PLIF)的584名患者进行了回顾性研究。从电子病历中收集临床信息和实验室检查数据,将原始数据集按照1:1随机划分为训练集和验证集,逐步逻辑回归用于筛选术前和术中变量,然后将筛选出的变量纳入机器学习算法中,包括增强分类树(Boosted Classification Trees),提升逻辑回归(Boosted Logistic Regression),极端梯度提升(Extreme Gradient Boosting),随机梯度提升(Stochastic Gradient Boosting),广义线性模型(Generalized Linear Model),Ada Boost分类树(Ada Boost Classification Trees),随机森林(Random Forest),用于开发机器学习预测模型,使用合成少数过采样技术对每个模型的训练集进行重采样,最后在验证集评估模型性能。结果:584名患者中,33例(5.65%)发生手术部位感染。逐步逻辑回归表明术前白蛋白水平(OR 0.659 0.563-0.756),糖尿病(OR 9.1293.816-23.126),术中硬脊膜撕裂(OR 8.436,95%CI 2.729-25.334),风湿免疫性疾病史(OR 8.471,1.743-39.567)是与手术部位感染相关的重要危险因素。7种机器学习模型中Ada Boost分类树模型的性能表现最好,AUC为0.8726,F3为0.5747,SMOTE提高了所有模型的性能。结论:本研究指出了不平衡数据集对于机器学习预测模型性能的影响,我们开发的基于机器学习算法和合成少数过采样技术的预测模型可以准确地预测处于感染高风险的患者,有助于临床决策并优化围术期管理。

关键词：腰椎融合术实验室检查手术部位感染机器学习合成少数过采样技术

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：