检索结果-南通市图书馆

检索条件"作者=RAHIM SADDAM"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

Comparative Study on SVM and LUSI for Classification of Chronic Diseases

Comparative Study on SVM and LUSI for Classification of Chro...

引用

作者： rahim saddam 海南大学

学位级别：硕士

当前的世界面临着许多严重的问题,其中之一便是对人类社会中高危疾病的病发风险预测。在临床实践中,疾病预测研究需要获取一些重要信息,例如相关数据,以便能够正确且及时地诊断某些疾病。目前,许多研究尽管已经使用了一些机器学习工具... 详细信息

当前的世界面临着许多严重的问题,其中之一便是对人类社会中高危疾病的病发风险预测。在临床实践中,疾病预测研究需要获取一些重要信息,例如相关数据,以便能够正确且及时地诊断某些疾病。目前,许多研究尽管已经使用了一些机器学习工具来达到这个目的,但是由于各种原因,例如缺乏适当的数据、数据不均衡、多数和少数类之间的不平衡,或者使用不恰当的不变量来分析数据,这些工具的效果并不理想。由于缺乏这些数据所代表的具体含义,正确的诊断和分类变得十分困难,这可能导致全球许多患有高危疾病的群体只能面对死亡。在最近的研究中,针对不同疾病的案例(如心脏病、糖尿病、肾脏病和帕金森病),研究人员正在使用机器学习技术解决高危疾病预测问题。机器学习技术是一种新兴技术,以克服这些问题。本研究为了解决这个问题,提出了再平衡的算法模型LUSI(使用再平衡的统计不变量进行学习),并且与LSSVM方法进行比较。通过使用F-Measures、GMeans和平均精度等指标对结果性能进行评估。研究结果表明,针对心脏病、糖尿病、肾脏病和帕金森病,LUSI的平均准确率分别为99.65%、74.26%、99.82%和92.31%。相比之下,使用LSSVM在这些疾病的评估中表现相对较低,其准确率分别为99.60%、64.88%、72.65%和72.65%。实验结果表明,LUSI方法在高危疾病数据集上表现良好,这是由于该算法模型能够完美地估计数据比例,利用特征组合的信息进行学习。因此,当前的研究得出结论,LUSI是一种有效的方法,可用于正确诊断多种不同的疾病,包括心脏病、糖尿病、肾脏病和帕金森病。

关键词：高危疾病预测诊断机器学习统计不变量非平衡数据

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

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

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

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：