检索结果-南通市图书馆

基于蓄水池抽样的动态预测及糖尿病再入院研究

在线全文

学校读者我要写书评

暂无评论

基于蓄水池抽样的动态预测及糖尿病再入院研究

作者：邹一鸣武汉科技大学

学位级别：硕士

糖尿病是一种常见的慢性病症,易导致多种并发症,使得出院后短时间内再次入院的情况频繁出现,因此建立是否再入院的预测模型有着很强的实际意义。当前国内外过往对糖尿病的出院后再入院研究中,多数学者使用历史数据建立静态预测模型,忽... 详细信息

糖尿病是一种常见的慢性病症,易导致多种并发症,使得出院后短时间内再次入院的情况频繁出现,因此建立是否再入院的预测模型有着很强的实际意义。当前国内外过往对糖尿病的出院后再入院研究中,多数学者使用历史数据建立静态预测模型,忽略了近期产生的数据,因此对糖尿病的动态预测十分重要。鉴于蓄水池抽样可以对历史数据与新数据等概率抽取,本文提出一种利用蓄水池抽样（RS）模拟动态数据的动态预测方法,并应用于糖尿病再入院,其工作主要包含以下三个部分:第一,提出基于蓄水池抽样（RS）的动态预测方法。对于按时间顺序排列的数据,以6:2:2的比例划分历史数据集M1和较近未来数据集M2以及较远未来数据集M3。并设置一个容量与M1样本数量相同的蓄水池M4,对于M1和M2进行蓄水池抽样,模拟训练数据的更新。最后在M4上进行动态预测模型的训练,在M3上检验动态预测的效果。第二,对于糖尿病再入院进行实证分析。所使用的数据来源于UCI开源数据集,包含101766条数据和51个特征变量。数据预处理后得到89170份样本,其中M1（53502份）、M2（17834份）、M3（17834份）、蓄水池M4容量为53502。基于五种机器学习方法,在M1上训练出五个静态预测模型,在M4上训练五个动态预测模型;在M3上对比预测结果表明:耦合RS后的动态预测模型相较静态预测模型性能均得到一定提升,XGBOOST+RS模型F1分数0.944,AUC得分为0.946,综合表现最好,更适用于预测糖尿病患者是否再入院的问题。第三,利用Stacking集成进一步提高动态预测效果。选取网格调参后效果最好的三种单一动态预测模型作为基分类器进行Stacking集成,以逻辑回归作为第二层学习器。对比最终结果表明:Stacking集成模型的预测效果最好。

关键词：蓄水池抽样动态预测糖尿病再入院集成学习机器学习

基于蓄水池抽样的动态智能预测及两种风险决策

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

基于蓄水池抽样的动态智能预测及两种风险决策

作者：王晓杰武汉科技大学

学位级别：硕士

保险公司在商业医疗保险决策中面临的主要问题是投保人的患病具有不确定性,因此提高其风险决策水平的一个关键因素在于:如何科学而准确的预测投保人患病的概率,以减少不确定性带来的损失。考虑到基于样本量固定的历史数据得到的静态预... 详细信息

保险公司在商业医疗保险决策中面临的主要问题是投保人的患病具有不确定性,因此提高其风险决策水平的一个关键因素在于:如何科学而准确的预测投保人患病的概率,以减少不确定性带来的损失。考虑到基于样本量固定的历史数据得到的静态预测模型不能利用新数据的产生来修正模型,为此本文尝试利用机器学习耦合蓄水池抽样建立动态预测模型,辅助保险公司开展智能风险决策。具体做了如下工作:第一,构建基于蓄水池抽样的动态预测模型。将原始数据按照时间排序,并将其划分为3部分(历史数据集M、模拟新产生的数据集M、测试集M),利用蓄水池抽样实现从M与M中获取样本量固定的动态训练数据集,建立随数据集变化而不断更新的动态预测模型,以提高模型对投保人患病概率预测的准确性。第二,构建基于动态预测的商业医疗保险动态智能风险决策模型。首先,搭建智能医保动态风险决策的框架;然后,为提高风险决策的准确率,提出了期望收益准则视角的商业医疗保险风险决策模型;最后,为降低误分类损失,构建期望损失准则的商业医疗保险风险决策模型。第三,以天池医疗大赛——人工智能辅助糖尿病风险预测相关数据(样本量为5642条,每条数据包含41维特征变量和1维标签变量)为例,对文中所提出的动态预测与风险决策方法进行检验。对样本量相同的训练集以及在同一测试集上进行对比实验,结果表明:动态预测的MSE和MAE均优于静态预测模型,动态智能风险决策可以充分利用大数据提高风险决策水平。

关键词：风险决策机器学习蓄水池抽样动态决策代价敏感

一种面向数据流top-k频繁模式发布的差分隐私保护方案

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

计算机学报 2021年第4期44卷 741-760页

作者：梁文娟陈红赵素云李翠平中国人民大学数据工程与知识工程教育部重点实验室北京100872 中国人民大学信息学院北京100872 河南大学计算机与信息工程学院河南开封475001

频繁模式挖掘是事务数据分析的常用技术,面向数据流的频繁模式挖掘具有重要的应用价值.然而当事务为敏感信息时,直接发布频繁模式及支持度会导致个体隐私泄露.差分隐私是一种严格且可证明的隐私保护模型,目前虽然已有基于差分隐私的频... 详细信息

频繁模式挖掘是事务数据分析的常用技术,面向数据流的频繁模式挖掘具有重要的应用价值.然而当事务为敏感信息时,直接发布频繁模式及支持度会导致个体隐私泄露.差分隐私是一种严格且可证明的隐私保护模型,目前虽然已有基于差分隐私的频繁模式发布方案,但它们大都是面向静态数据做一次性发布的隐私保护.本文是面向数据流频繁模式发布的隐私保护,旨在设计一种兼顾可用性和发布效率的持续发布的差分隐私保护方案.与静态发布方案不同,面向数据流的隐私保护处理面临两大挑战:一是持续发布过程中隐私预算的累计消耗会造成发布结果可用性较低;二是候选模式集增大会造成发布结果误差较大和发布效率较低.为解决隐私预算的累计消耗问题,方案设计了满足event级差分隐私的保护机制.该机制可以最大化隐私预算利用率,提高发布结果可用性.为降低候选模式集大小,从而提高发布结果可用性和发布效率,方案首先设计了一种基于模式估计的长事务拆分预处理策略,并对拆分所致的信息丢失率进行了分析和弥补.然后在持续发布阶段,在基于Cantree的挖掘中,先基于支持度阈值对候选模式集进一步缩减.基于缩减后的候选模式集,本文设计了一种蓄水池抽样和指数机制(EM)相结合的持续更新发布策略,该策略通过一遍扫描抽样集,在保证可用性和隐私保护级别的前提下提高了发布效率.最后,理论证明了该方案满足ε-差分隐私,实验结果验证了该方案具有较好的可用性和较高的工作效率.

关键词：模式估计差分隐私蓄水池抽样频繁模式挖掘事务拆分

在线全文

学校读者我要写书评

暂无评论

一种可指定分布的海量数据生成方法

计算机科学 2019年第8期46卷 56-63页

作者：李博嘉张仰森陈若愚北京信息科技大学智能信息处理研究所北京100101 网络文化与数字传播北京市重点实验室北京100101

受到隐私保护等因素的影响,企业和政府数据公开缓慢;同时,由于网络带宽的限制,科研机构下载使用海量公开数据存在困难。现有的数据生成工具很少能在生成数据的分布形态、相关关系、准确性以及系统的可伸缩性等方面同时满足科研工作的要... 详细信息

受到隐私保护等因素的影响,企业和政府数据公开缓慢;同时,由于网络带宽的限制,科研机构下载使用海量公开数据存在困难。现有的数据生成工具很少能在生成数据的分布形态、相关关系、准确性以及系统的可伸缩性等方面同时满足科研工作的要求。针对海量数据生成问题,提出了一种分布式数据生成模型,根据用户配置中指定的数据分布形态及相关关系,利用蓄水池抽样或随机采样算法对Web信息知识库进行采样、相关关系计算以及拼接等操作,生成数据属性符合用户配置的数据。通过在Apache Spark分布式计算引擎上进行数据生成实验,结果表明,生成数据符合指定的数据分布及相关关系要求,数据生成速度与数据规模、集群规模呈线性关系,从而证明该方法生成的数据具有较高的准确性和分布多样性,相应的系统具有较好的可伸缩性。

关键词：数据生成蓄水池抽样分布式计算相关关系计算数据分布检验

在线全文

学校读者我要写书评

暂无评论

一种面向不均衡网络流的综合抽样方法

火力与指挥控制 2015年第12期40卷 74-79页

作者：李景富杨志强黄淮学院河南驻马店463000

针对互联网流量中短流数量多但承载信息少、长流数量少但承载报文数多的特点,提出了一种面向不均衡网络流的综合抽样IS(Integrated Sampling)方法。IS方法首先采用容量固定的高速缓存实现有限时间窗口内报文的实时归并,在此基础上,IS方... 详细信息

针对互联网流量中短流数量多但承载信息少、长流数量少但承载报文数多的特点,提出了一种面向不均衡网络流的综合抽样IS(Integrated Sampling)方法。IS方法首先采用容量固定的高速缓存实现有限时间窗口内报文的实时归并,在此基础上,IS方法采用可部分重构的哈希函数实现单报文流聚类,采用流长和时间组合赋权的权值更新模块和频繁项模块共同实现频繁项流的抽取,对于网络中的其他流量,IS方法通过多个蓄水池模块实现蓄水池分段抽样。实验证明,相对于单一的抽样方法,IS方法在相同缓存下能够抽取出更为丰富地网络流信息,算法能够实时应用于高速网络中。

关键词：网络流流抽样哈希聚类频繁项提取蓄水池抽样

在线全文

学校读者我要写书评

暂无评论

基于DBSCAN聚类算法的研究与应用

基于DBSCAN聚类算法的研究与应用

作者：冯振华江南大学

学位级别：硕士

随着移动互联网和移动终端设备在世界范围内的迅速发展与广泛普及,越来越多的传统行业受到了前所未有的挑战,尤其是近年来大数据时代的不断深入,各行业更加注重数据挖掘技术在其信息系统建设中的重要性。聚类分析作为数据挖掘领域的重... 详细信息

随着移动互联网和移动终端设备在世界范围内的迅速发展与广泛普及,越来越多的传统行业受到了前所未有的挑战,尤其是近年来大数据时代的不断深入,各行业更加注重数据挖掘技术在其信息系统建设中的重要性。聚类分析作为数据挖掘领域的重要研究方向之一,目前已被广泛应用于数据分析、图像处理、机器学习等领域。其中,基于密度的聚类算法不需要预先指定聚类簇数,而且可以在含有噪声数据的数据集中识别任意数量和形状的聚类,DBSCAN作为基于密度算法的经典代表,在聚类分析中得到越来越多的应用。本文通过对DBSCAN聚类算法的研究,并针对现阶段城市出租车分布不合理、调度效率低下的问题,基于出租车载客热点数据分布不均匀、数据量庞大的自身特点,提出了一种可以满足出租车载客热点挖掘的多密度聚类DBSCAN改进算法;结合移动平台下的地图服务,设计并实现了基于移动终端的出租车载客热点挖掘系统,用以指导城市出租车的分布与调度。本文的主要研究工作如下:首先,针对基于密度的DBSCAN算法对于输入参数敏感、无法聚类多密度数据集的问题,提出了一种贪心的DBSCAN改进算法(Greedy DBSCAN)。算法仅需输入一个参数MinPts,采用贪心策略自适应地寻找Eps半径参数进行簇发现,利用相对稠密度识别和判定噪声数据,在随机寻找核对象过程中使用邻域查询方式提升算法效率,最终通过簇的合并产生最终的聚类结果。实验结果表明改进后的算法能有效地分离噪声数据,识别多密度簇,聚类准确度较高。其次,为了进一步提升Greedy DBSCAN算法处理大规模数据集的聚类效率,提出了基于蓄水池抽样的Greedy DBSCAN算法,利用统计最优样本大小确定抽样率,仿真实验结果表明算法可适应大规模、形状不规则的多密度聚类;并通过WEKA数据挖掘工具对出租车原始GPS数据进行预处理,提取有效的载客热点数据,将基于蓄水池抽样的Greedy DBSCAN算法对北京市12000台出租车5天原始GPS数据进行实验,以此验证所提算法在发现和预测出租车载客热点区域应用中的有效性。最后,系统设计中采用MVC分层架构模式及当下流行的REST风格架构的资源设计模板,使用Spring MVC+Spring+Hibernate轻量级开发框架实现系统的服务器部分,利用Bootstrap响应式前端框架实现系统的Web前端;在系统实际应用中,针对出租车载客热点数据在工作日与节假日不同时段的分布特征,适当的调整MinPts参数以达到细粒度聚类,聚类结果以标记形式展示在移动终端地图上,引导出租车司机载客。最终通过系统测试运行,验证了文中相关算法与技术在出租车载客热点挖掘应用中的有效性。

关键词：多密度聚类 Greedy DBSCAN 蓄水池抽样出租车载客热点