检索结果-南通市图书馆

基于6项肿瘤标志联合检测的3种分类模型判别肺癌的对比分析

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

卫生研究 2009年第4期38卷 429-432页

作者：冯斐斐聂广金吴拥军吴逸明郑州大学公共卫生学院郑州450001

目的联合检测6项血清肿瘤标志,建立人工神经网络(ANN)、分类回归决策树(CART)和Fisherχ2检验判别分析3种分类模型,并对肺癌进行判别,以探讨3种模型在判别肺癌中的差异。方法采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测... 详细信息

目的联合检测6项血清肿瘤标志,建立人工神经网络(ANN)、分类回归决策树(CART)和Fisherχ2检验判别分析3种分类模型,并对肺癌进行判别,以探讨3种模型在判别肺癌中的差异。方法采用放射免疫学、分光光度法、原子吸收分光光度法等方法,测定50例正常对照、40例肺良性疾病患者及50例肺癌患者血清中癌胚抗原、胃泌素、神经元特异性烯醇化酶、唾液酸、铜锌比值(Cu/Zn)、钙(Ca)6项指标,并建立基于这6项指标的ANN、CART和Fisher判别分析3种诊断肺癌的分类模型。结果ANN、CART和Fisher判别分析模型对肺癌检出的灵敏度分别为100%、93.33%、84.00%,特异度分别为100%、100%、98.89%,对预测集正常、肺良性疾病和肺癌识别的准确度分别为91.67%、86.11%、85.00%,三模型对全部样本判别肺癌的ROC曲线下面积分别为0.964、0.953、0.812,其中ANN与CART模型ROC曲线下面积差异无显著性(P>0.05),而ANN、CART与Fisher判别分析模型ROC曲线下面积差异均有显著性(P<0.05)。结论基于6项肿瘤标志建立的ANN、CART模型判别肺癌的效果优于Fisher判别分析。

关键词：人工神经网络分类回归决策树 Fisher判别分析肺癌肿瘤标志肿瘤

在线全文

学校读者我要写书评

暂无评论

基于多源遥感数据的复杂地形区农作物分类

地理与地理信息科学 2018年第5期34卷 49-55页

作者：史飞飞雷春苗肖建设李甫石明明青海省气象科学研究所青海西宁810008 青海省防灾减灾重点实验室青海西宁810008 青海省气象服务中心青海西宁810008

为准确获取中尺度复杂地形区西宁市内的农作物分布信息,该文利用HJ CCD和Landsat 8OLI影像数据提取研究区内农作物4-11月的NDVI时间序列数据,同时利用HJ-1A HSI高光谱数据,通过光谱特征变量提取和单因素方差分析后,选取5种光谱特征变量... 详细信息

为准确获取中尺度复杂地形区西宁市内的农作物分布信息,该文利用HJ CCD和Landsat 8OLI影像数据提取研究区内农作物4-11月的NDVI时间序列数据,同时利用HJ-1A HSI高光谱数据,通过光谱特征变量提取和单因素方差分析后,选取5种光谱特征变量与NDVI时间序列数据组成多源数据集,并最终采用分类回归决策树(CART)和支持向量机(SVM)两种方法进行农作物分类。结果表明:1)采用多源数据集进行作物分类,最高分类精度达88.2%,明显高于采用单一时序NDVI数据的分类精度,表明在时间序列数据中融入高光谱数据能够提高作物的识别精度;2)采用CART决策树和支持向量机进行农作物识别,最优总体分类精度分别为88.2%和84.5%,表明基于CART方法的作物总体分类效果较优;3)在NDVI时间序列数据中融入高光谱数据能够提高生育期较为接近作物的识别精度。

关键词：高光谱作物分类光谱特征变量分类回归决策树支持向量机

在线全文

学校读者我要写书评

暂无评论

基于分段的移动对象轨迹简化算法

计算机应用研究 2019年第7期36卷 2044-2048页

作者：张甜杨智应上海海事大学信息工程学院

GPS的高采样率使轨迹的数据规模巨大,在实际应用中难以处理,需要依赖轨迹简化算法对原始数据进行压缩。针对此问题,提出了一种新的基于速度分段的轨迹简化算法,即STS算法,在保留速度特征的同时保留了给定轨迹的时空特征。STS算法将速度... 详细信息

GPS的高采样率使轨迹的数据规模巨大,在实际应用中难以处理,需要依赖轨迹简化算法对原始数据进行压缩。针对此问题,提出了一种新的基于速度分段的轨迹简化算法,即STS算法,在保留速度特征的同时保留了给定轨迹的时空特征。STS算法将速度值分组成若干间隔,将轨迹分割成速度保留段,计算各轨迹段的SED阈值,通过在每个子轨迹段上应用TD-TR算法导出简化的轨迹。通过真实的数据集进行广泛实验,验证所提出的算法比ATS算法具有更好的性能。

关键词：移动对象轮廓系数 TD-TR算法分类回归决策树轨迹简化

在线全文

学校读者我要写书评

暂无评论

基于线性规划松弛的移动边缘计算卸载模型

计算机科学 2023年第S1期50卷 626-630页

作者：雷雪梅刘丽王倩北京科技大学信息化建设与管理办公室北京100083 北京科技大学自动化学院北京100083

移动边缘计算中本地设备可以将计算任务卸载到靠近网络的边缘节点上执行,只将计算结果回传至用户端,从而减小传输时延,降低移动设备的功耗,减轻客户端的负载压力,还可以减少核心网络的计算负载。针对复杂多类边缘节点的移动边缘计算环境... 详细信息

移动边缘计算中本地设备可以将计算任务卸载到靠近网络的边缘节点上执行,只将计算结果回传至用户端,从而减小传输时延,降低移动设备的功耗,减轻客户端的负载压力,还可以减少核心网络的计算负载。针对复杂多类边缘节点的移动边缘计算环境,建立了基于线性规划松弛的三级计算任务卸载决策模型,称为CART-CRITIC-LR(CCLR)。首先通过分类回归决策树算法(CART)筛选出本地执行的计算任务;然后采用多属性决策的CRITIC算法确定3个性能指标的权值分配;最后,基于线性规划松弛(LR)对计算卸载问题建模,使计算任务卸载决策的总时延、总能耗和总成本最优。实验比较了其他计算卸载策略的能耗、成本、延迟时间等指标,结果表明CCLR卸载决策算法在保证多目标全局最优的同时,实现了总时延最短,说明了所提算法的有效性与适用性。

关键词：移动边缘计算任务卸载多属性决策分类回归决策树线性规划