【摘 要】
：
随着人工智能的发展,计算机处理数据、分析数据的能力呈指数级增长。医学数据具有特殊性和复杂性,要想挖掘出医学数据背后潜在有用的信息,对于算法的速度与精准度都有着更高层次的要求。为了提供更加科学有效的医疗服务,本课题从特征工程、梯度下降优化算法以及预测模型这三个方面进行研究,建立心血管疾病风险预测模型辅助医生决策。首先,在特征工程阶段,构建强特征向量并且融合随机森林进行特征选择工作。该阶段基于疾病预测
论文部分内容阅读
随着人工智能的发展,计算机处理数据、分析数据的能力呈指数级增长。医学数据具有特殊性和复杂性,要想挖掘出医学数据背后潜在有用的信息,对于算法的速度与精准度都有着更高层次的要求。为了提供更加科学有效的医疗服务,本课题从特征工程、梯度下降优化算法以及预测模型这三个方面进行研究,建立心血管疾病风险预测模型辅助医生决策。首先,在特征工程阶段,构建强特征向量并且融合随机森林进行特征选择工作。该阶段基于疾病预测的背景构建了三个新的强特征向量添加到原数据集中,并且采用相关系数图对特征向量之间的关系进行分析。同时引入集成学习模型中较为经典的随机森林特征选择算法进行特征选择工作,获得特征的重要性排名,以便选择的特征更适合模型。其次,针对逻辑回归算法易陷入局部最优的问题,提出了基于LR-N的心血管疾病预测模型。该模型采用Nesterov加速自适应矩估计算法和自适应学习率优化算法（Nadam算法）对逻辑回归算法的损失函数进行优化改进。通过对LR-N模型的准确率、召回率、F1-score、MCC值等评价指标进行分析,验证LR-N模型的有效性和可用性。最后,为了进一步提高模型的预测效果,提出了基于R-Lookahead-LSTM心血管疾病预测模型。该模型基于Lookahead算法Fast weight部分的随机梯度下降算法优化改进为Rectified Adam算法;进一步将Tanh激活函数改进为Softsign激活函数,以促进模型收敛,并采用R-Lookahead算法进一步优化长短时记忆网络模型,从而使长短时记忆网络模型得到更好的改进,使得模型尽快趋于稳定;并应用于心血管疾病预测模型。
其他文献
T-S模糊系统具有精确表示或以任意精度逼近非线性系统的性质,该系统由一系列的隶属度函数和线性子系统组合构成,从而使大量线性控制理论应用在非线性系统的控制过程中。本文针对T-S模糊系统的控制综合问题,研究降低保守性和增强鲁棒性的分析方法,具体内容如下:首先,针对T-S模糊系统的鲁棒跟踪控制问题,在传统隶属度函数均匀分段方法的基础上,提出一种改进的隶属度函数非均匀分段方法以增强系统的鲁棒性。首先,基于
脊椎是人体的第二条生命线,支撑着身体的各器官正常运转,脊椎里的中枢神经更是遍布人体各经脉网络,是人体的脉络中心。所以一旦脊椎损伤就会影响神经的传递和运行,甚至引发人体相关组织疾病。为帮助医护人员和病患更便捷的观察真实脊椎模型,计算机的重建辅助诊断技术就显得尤为重要。脊椎的重建可视化结果是医生诊断病情的重要参照部分,在医学影像分析中也占有重要地位。因此,设计实现一个针对性强、用户交互便捷的基于脊椎C
当下世界格局急剧变化，形成了前所未有的复杂局面。这种由现实导致的未来不确定性，以及由此造成的思想文化上的边界、限制等障碍，使策展陷入了一种不安与焦虑之中。笔者通过对国内过往策展现象的梳理与总结，以及对个人策展实践的回顾，反思工作中的问题与困境，也对国内艺术策展生态环境存在的问题进行了反思与追问。
近些年,随着智能设备和通信技术的快速发展,移动群智感知作为物联网的关键组成部分,利用嵌入个人移动智能设备中的传感器,收集用户的感知数据来执行复杂的感知任务,如室内定位、智能城市管理和环境监测。移动群智感知网络具有运行成本低、可拓展性强和系统维护简单等特点,使得其更加易于实现对物联网世界的大面积覆盖,进而收集更多的感知数据,但与此同时也带来了一些新的挑战。用户在执行移动群智感知任务,并向服务提供商发
随着人类对星球探测的不断深入,各种复杂地形如沙丘、陨石坑等也将成为重要的探测目标,这对星球探测机器人的移动性能提出了巨大挑战。轮步式移动机器人一般采用主动悬架或多自由度轮-腿复合式机械结构,可通过蠕动实现大角度爬坡和脱陷等,因此,具备较强的多地形适应能力和移动能力,被广泛用于星球探测中。然而,轮步式机器人特殊的结构和较多的关节自由度增大了机器人蠕动控制的难度。因此,对各关节进行运动规划和协调控制研
近年来随着深度学习技术的迅猛发展,诸多深度学习模型被应用于语音情感识别技术中。然而,这些深度学习模型存在对情感特征提取不充分、模型复杂度高、对时序特征关注度低等问题。针对以上问题,本文将构建基于多头注意力机制的双向门控深度可分离卷积神经网络模型（Bi-directional Gated Recurrent Unit Depth Separable Convolution based on Mult
伴随我国经济发展与制造业进步,居民汽车保有量逐年递增。随之而来,交通事故发生率也逐年递增。为进一步保障交通安全,预防交通事故,探索能够提升车辆行驶安全、可靠性的车辆检测与测距技术已迫在眉睫。为保证驾驶员及时感知前方车辆距离,有效保持安全车距,本文研究基于YOLOv4-tiny的车辆检测算法和车辆测距算法。针对YOLOv4-tiny算法在交通场景检测中误检率高、远距离小目标检测能力差的缺陷,本文设计
近年来,随着三维技术的不断发展,三维模型逐渐走入了大家的视线中,在传统制造业、机械自动化、自动驾驶、虚拟现实（VR）等领域扮演着重要作用。大众在检索信息时也不只依赖于传统方式,如文字、图像等,作为视觉信息的主要载体之一的三维模型也逐渐被关注。因此,如何能在大量数据中找到理想的目标模型成为了计算机视觉领域的热门课题。由于草图是人脑意识的一个直观表象,因此基于草图的三维模型检索方式既简单,又能够清晰地
互联网技术的跨越式发展和信息的交互共享使得代码抄袭情况以各种各样的方式出现,而涵盖整个抄袭研究领域是非常困难的,所以本文重点对学术界中发生的代码抄袭问题进行检测。本文针对C语言源代码作为研究对象,并对其进行代码相似度检测研究,得出的评判结果辅助后期人工评判。本文首先提出了一种结合抽象语法树（Abstract Syntax Tree,AST）与Token的代码相似度检测方法。首先,将源代码进行预处理
随着城市交通拥堵问题日益显著,年轻人更多选择摩托车作为出行工具。头盔作为摩托车骑手必备的防护工具,对保护骑手生命安全的重要性不言而喻。研究利用计算机视觉技术检测摩托车骑手是否佩戴头盔具有重要的现实意义。深度学习技术的快速迭代推动了摩托车头盔佩戴检测相关研究的发展,但现有检测算法仍存在很多不足。首先,现有方法大多是针对单个骑手进行头盔检测,针对多个骑手的研究方案较少;其次,在交通拥塞和摩托车密集等复