排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
心血管疾病是威胁人类健康的常见疾病,为了能够更加准确地对其预测,本文在传统DNN模型基础上进行优化改进,提出定向正则的深度神经网络(TR-DNN)模型,通过改进原有深度神经网络模型所存在的缺陷,使其能够更好地对心血管疾病数据集进行训练并测试,进一步实现心血管疾病预测任务。实验表明该模型在数据集训练上的表现良好,并且在测试集上取得优秀的结果。最后,将TR-DNN与SVM、RF、XGBoost模型在同一数据集进行结果比较,TR-DNN模型的各项评价指标均优于其它模型,在准确率方面相较传统DNN模型提高1.507个百分点,召回率提高1.57个百分点,特异度提高2.54个百分点,精确率提高1.51个百分点。因此,TR-DNN模型可以应用于心血管疾病的预测。 相似文献
2.
随着社会的信息化发展,Android智能产品在人们日常的生活中扮演着日益重要的角色.一直以来,因为交通问题,很多毕业生不得不把自行车扔在学校,而新生需要花更多的钱买一辆新自行车,这是一种资源的浪费.设计并实现了一个基于Android的高校二手自行车交易系统软件,可以将这种供需关系更好地结合起来.该APP的功能主要包括用户管理、物品信息管理、交易信息管理. 相似文献
3.
为有效辅助医生筛选乳腺癌恶性肿瘤,提出一种基于人工鱼群优化的随机森林模型.通过改进的smote加权采样等方法对原始数据集进行均衡处理,采用皮尔森相关系数法提取与乳腺癌恶性肿瘤相关性强的特征作为模型的输入,通过人工鱼群算法优化随机森林模型,寻找最优的模型参数,对乳腺癌数据集进行分类诊断.实验结果表明,所提优化模型具有较好... 相似文献
4.
5.
6.
7.
目的 食品不合格指标危害人类饮食健康,本文将数据挖掘技术应用于食品安全检测中。方法 通过收集山东省食药局官方网站下发的2015~2019年食品安全抽样检验产生的不合格数据,并对其进行多项数据预处理操作,采用超参数网格搜索和10折交叉验证方法建立了基于随机森林的食品不合格指标的分类预测模型,另外,通过对传统随机森林模型的参数优化,将其与决策树(DT)、逻辑回归(LR)和梯度提升决策树(GBDT)算法分类预测结果进行了对比。结果 实验表明经过参数优化后的随机森林模型对食品中不合格指标的预测准确率能够达到89.4%,比DT算法提高了11%,比LR算法提高了9%,比GBDT算法提高了8.1%。结论 基于优化的随机森林模型可以完成食品不合格指标分类预测任务,有广阔的应用前景。 相似文献
1