检索结果-内蒙古大学图书馆

作者：贾小丹兰州大学

学位级别：硕士

在当前的大数据时代,各行各业都在朝着数据化运营的方向转型,在数据化运营过程中,很多场景经常都会产生分布不均衡的数据,这往往是由实际问题的属性决定的。例如在异常检测场景下,对恶意刷单、信用卡欺诈等数据的分析,这些问题样本所占... 详细信息

在当前的大数据时代,各行各业都在朝着数据化运营的方向转型,在数据化运营过程中,很多场景经常都会产生分布不均衡的数据,这往往是由实际问题的属性决定的。例如在异常检测场景下,对恶意刷单、信用卡欺诈等数据的分析,这些问题样本所占的比例是整体样本中很少的一部分,但对事件的走向有着决定性的影响。同样在癌症预测中,真实患癌样本量远远少于正常样本的数量,但实际上我们却更应该侧重于对患癌样本的学习。支持向量机、随机森林等传统分类算法在学习数据信息时,无法表达出对少数类样本的偏好。因此研究不平衡数据集有极大的现实意义。以此为背景,本文针对解决不平衡数据分类问题提出了3种改进的森林算法。首先,对随机森林算法进行改进,通过对多数类样本无放回抽样与少数类样本有放回抽样生成平衡的训练子集的方式训练每棵决策树,从而随机森林中的每个基分类器都是用平衡的训练集学习出来的。将改进的随机森林与随机森林以及经过简单采样后的2种随机森林算法进行对比,在80%以上的实证分析的不平衡数据集上,改进的随机森林算法的多个度量指标上都优于其他算法。其次,引入旋转森林算法,其原理在于利用主成分分析法生成旋转矩阵对训练集进行变换来加大基分类器之间的差异性,并且同样用对多数类样本无放回抽样与少数类样本有放回抽样达到子训练集平衡的方式来改进旋转森林,让其适用于不平衡数据集。在实证分析结果中,对比3种不同形式的旋转森林算法,改进的旋转森林算法在多个度量指标上平均提高了5%以上,在不平衡性较高的数据集上表现尤其突出。最后,在不平衡数据集上提出了深度集成的方式,引用周志华教授在深度森林中提出的多粒度扫描和级联结构,修改原来深度森林中的基分类器为适用于不平衡数据集的森林算法。对比浅层集成算法,深度集成的方式在实证的各个数据集上的ROC曲线和GMeans分数都是最高的。

关键词：二分类问题不平衡数据随机森林算法旋转森林算法深度森林算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的异常行为监测系统与算法设计

引用

微型电脑应用 2024年第3期40卷 7-10页

作者：李卓青贾振堂上海电力大学电子与信息工程学院上海201306

为了监控场所中人物的异常行为并能自动发出报警信息,设计基于深度学习的嵌入式实时异常行为监测系统。系统通过摄像头采集图像信息后,在嵌入式设备用姿态检测网络检测人体的关键点坐标,并用深度森林算法对关键点坐标进行异常行为分类... 详细信息

为了监控场所中人物的异常行为并能自动发出报警信息,设计基于深度学习的嵌入式实时异常行为监测系统。系统通过摄像头采集图像信息后,在嵌入式设备用姿态检测网络检测人体的关键点坐标,并用深度森林算法对关键点坐标进行异常行为分类。当监测出异常行为后,将信息发送到服务器端,再由服务器端通知用户端。相对于人工监控以及使用服务器端计算神经网络的智能监控系统,该系统的成本更低,对网络的传输速度和稳定性需求更小。实验结果表明,该系统可以有效实时检测暴力、倒地等异常行为,并自动发送报警信息。

关键词：深度学习嵌入式系统行为检测智能监控深度森林算法

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的铁路道岔故障自动诊断方法

引用

自动化与仪器仪表 2023年第2期 16-20页

作者：潘亚康中铁第一勘察设计院集团有限公司兰州铁道设计院兰州730000

为了提高铁路道岔故障诊断的准确性,提出一种基于机器学习的铁路道岔故障自动诊断的模型。首先采用深度森林算法作为基础算法,构建故障诊断模型。为了证明深度森林算法在道岔故障诊断方面更具优势,与SVM和BP神经网络两种经典算法模型进... 详细信息

为了提高铁路道岔故障诊断的准确性,提出一种基于机器学习的铁路道岔故障自动诊断的模型。首先采用深度森林算法作为基础算法,构建故障诊断模型。为了证明深度森林算法在道岔故障诊断方面更具优势,与SVM和BP神经网络两种经典算法模型进行对比,结果表明:深度森林算法模型的道岔故障诊断的准确率高达97%,基于SVM与BP神经网络模型的准确率分别为93%与92%;在交叉测试中深度森林算法模型的AUC面积达到0.981,在多分类测试中AUC面积为0.974。可以证明,基于深度森林算法构建的故障诊断模型诊断有较高的准确性与优越性。

关键词：道岔故障诊断深度森林算法机器学习小数据集

来源：评论

学校读者我要写书评

暂无评论

基于临床液体活检数据的智能辅助肝癌判别方法研究及预测工具开发

引用

兰州大学学报（医学版） 2022年第11期48卷 42-47页

作者：张博文王佳蕊陈可丽周籽宇刘玉洁刘兆清张德奎李书艳徐州医科大学医学信息与工程学院江苏徐州221004 兰州大学化学化工学院甘肃兰州730000 兰州大学第二医院消化内科甘肃兰州730000

目的尝试利用液体活检的相关数据建立广泛筛查肝癌的方法。方法基于3091份患者样本数据,将59项液体(血液及尿液)临床检测指标作为初始特征,搭建了针对肝癌样本的深度森林判别模型,并通过特征筛选获取了关键的21项特征组成最终模型,在此... 详细信息

目的尝试利用液体活检的相关数据建立广泛筛查肝癌的方法。方法基于3091份患者样本数据,将59项液体(血液及尿液)临床检测指标作为初始特征,搭建了针对肝癌样本的深度森林判别模型,并通过特征筛选获取了关键的21项特征组成最终模型,在此基础上构建了利用液体检测指标鉴别肝癌的可视化判别工具。结果通过深度森林算法建立肝癌患者临床检测指标判别模型,判别结果曲线下面积达到0.9244,总正确率为84.49%,特异性为84.18%,敏感性为84.69%。结论使用深度森林算法训练液体活检数据搭建的模型可较为有效地辅助判别肝癌患者样本。

关键词：液体活检肝癌特征筛选深度森林算法

来源：评论

学校读者我要写书评

暂无评论

基于深度森林的卫星ACS执行机构与传感器故障识别

引用

航空学报 2020年第S01期41卷 195-205页

作者：程月华江文建杨浩薛琪廖鹤南京航空航天大学自动化学院南京211100 南京航空航天大学航天学院南京210016

针对卫星姿态控制系统(ACS)闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法... 详细信息

针对卫星姿态控制系统(ACS)闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法进行故障信息学习与辨识,建立故障预测模型,实现执行机构故障与传感器故障的识别。半物理仿真结果表明:在存在气浮台干扰力矩、卫星转动惯量未知、飞轮非线性特性、闭环故障传播等多种不利因素情况下,深度森林算法对于执行机构和传感器故障具有高效的识别能力。

关键词：深度森林算法卫星姿态控制系统执行机构传感器故障识别

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的ICU脓毒症诊断方法及死亡风险预测

基于机器学习的ICU脓毒症诊断方法及死亡风险预测

引用

作者：付梦莎南京航空航天大学

学位级别：硕士

随着人工智能和大数据时代的来临,智能医疗、精准医疗正逐步兴起。对疾病严重程度的判断和死亡风险预测是ICU中研究的重点和难点。脓毒症是因感染导致的全身炎症反应综合症,是ICU患者常见高危并发症和致死的主要原因之一。脓毒症病情凶... 详细信息

随着人工智能和大数据时代的来临,智能医疗、精准医疗正逐步兴起。对疾病严重程度的判断和死亡风险预测是ICU中研究的重点和难点。脓毒症是因感染导致的全身炎症反应综合症,是ICU患者常见高危并发症和致死的主要原因之一。脓毒症病情凶险,发展迅速,如不及时救治则危及生命安全。脓毒症重在预防,尽早诊断并给予有效救治是防止病情恶化、改善其预后和降低死亡风险的关键。针对当前脓毒症临床诊断困难、准确率不高的现状,使用基于机器学习和数据挖掘的方法针对不同的ICU临床数据集,分别建立了对脓毒症的辅助诊断(包括早期预警和早期诊断)以及死亡风险预测模型。本文主要进行了以下研究:1.根据Physionet网站提供的ICU临床数据集,提出了一种基于加权融合的集成算法模型,对脓毒症进行早期预警。基于患者每小时记录的40维生理变量,提前预测脓毒症的发生。首先对所提供数据集的分布、变量维度、样本规模做了初步统计和对比分析。然后针对ICU数据集的时序性、不平衡性等特点,对数据进行预处理,包括采用缺失值前向填充法、异常值处理等。从医学角度基于对变量的理解,进行变量筛选和特征工程构建,依据时序序列特性,分别构造了不同维度大小的特征变量用于模型训练。最后提出了一种加权模型融合的集成算法框架,对随机森林、XGBoost和Lightgbm进行模型融合,实验结果表明,加权融合后的模型效果比单一集成算法更佳。2.针对ICU创伤患者易发生脓毒症的现状,基于MIMIC-III数据库开展了对创伤患者脓毒症的早期诊断。首先确定研究目标,从MIMIC-III数据中筛选相关研究队列和预测变量,主要提取患者入ICU后24小时内的EHR数据,包括患者的人口统计学变量,生命体征以及实验室化验等变量。提出了一种改进的深度森林算法(Improved-gc Forest)模型对脓毒症进行诊断。通过实验结果对比,改进后的深度森林算法模型效果优于其他常用的机器学习算法模型,同时还得到了对脓毒症诊断有重要影响的预警因子。3.进一步研究ICU创伤脓毒症患者的预后结局-即死亡风险,从前文提取的ICU创伤患者中筛选出脓毒症患者,并对其进行死亡风险预测。针对提取的数据缺失严重等问题,使用了五种不同的缺失值填充方式进行比较,进而选出最佳填充策略。比较不同机器学习算法(LR/SVM/XGBoost等)的预测性能,并和传统的医学评分系统进行对比。结果表明,机器学习算法模型预测结果优于传统医学评分,其中XGBoost算法效果最好,比APS-III预测的AUROC结果提高了21%。

关键词：脓毒症早期预警深度森林算法死亡风险数据挖掘

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：