| 基于改进的多层降噪自编码算法临床分类诊断研究 |
| |
| 引用本文： | 胡帅,袁志勇,肖玲,王惠玲,王高华.基于改进的多层降噪自编码算法临床分类诊断研究[J].计算机应用研究,2015(5). |
| |
| 作者姓名： | 胡帅 袁志勇 肖玲 王惠玲 王高华 |
| |
| 作者单位： | 1. 武汉大学 计算机学院,武汉,430072
2. 武汉大学人民医院,武汉,430060 |
| |
| 基金项目： | 国家科技支撑计划资助项目(2012BAI01B05)；国家自然科学基金资助项目 |
| |
| 摘 要： | 针对临床分类诊断中普遍存在的样本不均衡、错分代价不同、大量无标签样本和测量误差等特点，引入了机器学习中较新的研究成果———多层降噪自编码（stacked denoising autoencoders，SDA）神经网络，并与欠采样局部更新的元代价（metacost）算法相结合，对 SDA 神经网络进行了改进，使组合模型具有代价敏感、降低不均衡性、有效利用无标签样本、抗噪声的特性。实验中将改进的 SDA 神经网络与 SOFTMAX 回归、反向传播（back propagation，BP）神经网络、支持向量机（support vector machine，SVM）、传统多层自编码（stacked autoencoders， SAE）神经网络，以及传统 SDA 神经网络等作了比较。实验结果表明，改进的 SDA 神经网络的准确率、ROC 曲线下面积等均优于其他模型，提高了分类模型的辅助诊断性能。
|
| 关 键 词： | 深度学习 多层降噪自编码 元代价 分类诊断 代价敏感 不均衡 |
Stacked denoising autoencoders applied to clinical diagnose and classification |
| |
| HU Shuai,YUAN Zhi-yong,XIAO Ling,WANG Hui-ling,WANG Gao-hua.Stacked denoising autoencoders applied to clinical diagnose and classification[J].Application Research of Computers,2015(5). |
| |
| Authors: | HU Shuai YUAN Zhi-yong XIAO Ling WANG Hui-ling WANG Gao-hua |
| |
| Abstract: | |
| |
| Keywords: | deep learning stacked denoising autoencoders(SDA) metacost diagnose and classification cost-sensitive imbalance |
| 本文献已被 万方数据 等数据库收录！ |
