期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于RF-RFECV和Stacking集成学习的脑卒中预测研究 被引量：2
1
作者 张晓飞 宋其江 《智能计算机与应用》 2024年第5期252-256,共5页
脑卒中具有发病率高、死亡率高和致残率高的特点,提早发现和治疗显得至关重要。在脑卒中预测方法中,机器学习相对于其他方法具有更好的表现。针对传统的单一机器学习模型在预测的精度或稳定性上都存在局限性的问题,提出了一种基于RF-RF... 脑卒中具有发病率高、死亡率高和致残率高的特点,提早发现和治疗显得至关重要。在脑卒中预测方法中,机器学习相对于其他方法具有更好的表现。针对传统的单一机器学习模型在预测的精度或稳定性上都存在局限性的问题,提出了一种基于RF-RFECV和Stacking集成学习的脑卒中预测方法。通过实验证明,该方法可以有效地降低特征维度,获得最优特征子集,与其他的单一模型以及其他集成算法模型相比,Stacking模型的预测精度明显提升,可以更有效地预测脑卒中。 展开更多
关键词 SMOTE算法 rf-rfecv Stacking模型 脑卒中 机器学习
在线阅读 下载PDF
基于RF-RFECV和LightGBM算法的糖尿病预测 被引量：4
2
作者 刘静乐 罗翔 +1 位作者 宫成荣 张国鹏 《计算机与现代化》 2023年第11期36-43,50,共9页
为了及早发现中国患糖尿病的高危人群并提供有针对性的干预措施,选取代表中国人群的中国健康与养老追踪调查(CHARLS)数据集作为研究对象,提出基于随机森林-交叉验证递归特征消除法(RF-RFECV)和LightGBM的混合算法(RF-RFECV-LightGBM),... 为了及早发现中国患糖尿病的高危人群并提供有针对性的干预措施,选取代表中国人群的中国健康与养老追踪调查(CHARLS)数据集作为研究对象,提出基于随机森林-交叉验证递归特征消除法(RF-RFECV)和LightGBM的混合算法(RF-RFECV-LightGBM),并与其他5种算法进行实验对比。结果表明RF-RFECV-LightGBM整体性能最优,准确率、精度、召回率、F1值、AUC值分别为0.9772、0.9952、0.8178、0.8978、0.9357。预测时间为0.0428 s,较特征选择前LightGBM的预测时间缩短0.0549 s(提升56.19%),表明了RF-RFECV算法特征选择的有效性。最后,同样的预测流程在皮马印地安人数据集上进行实验,结果达到0.9415的准确率,进一步验证了所提算法的优异性能,可以辅助临床糖尿病诊疗。 展开更多
关键词 轻量级梯度提升树 随机森林-交叉验证递归特征消除算法 糖尿病预测 CHARLS数据集 Pima数据集
在线阅读 下载PDF
基于RF-RFECV的海洋溢油极化SAR特征优选
3
作者 王淑祯 宋冬梅 《交叉科学学报》 2025年第1期10-21,共12页
海洋溢油给生态系统和环境带来了严重的损害,及时准确地探测海洋表面的溢油对维护海洋生态平衡和保护环境具有至关重要的意义。目前,在溢油检测方面,溢油特征选择方法人为主观性强、特征利用效率低、较少涉及多种不同特征组合的应用。为... 海洋溢油给生态系统和环境带来了严重的损害,及时准确地探测海洋表面的溢油对维护海洋生态平衡和保护环境具有至关重要的意义。目前,在溢油检测方面,溢油特征选择方法人为主观性强、特征利用效率低、较少涉及多种不同特征组合的应用。为此,提出一种基于RF-RFECV海洋溢油特征智能优选策略。通过系统提取Radarsat-2影像的极化特征与纹理特征,构建多维特征空间。算法自主计算各个特征在溢油、疑似溢油及海水类别中的区分度权重,最终为Radarsat-2数据筛选出16/18维最优特征组合。实验结果表明,利用优选后的特征进行溢油检测,有效提升了溢油检测的精度,降低了误检和漏检的情况,充分证明了算法的有效性。 展开更多
关键词 rf-rfecv 海洋溢油 特征优选 极化SAR
在线阅读 下载PDF
数控机床主轴热误差CAWOA-LSTM预测建模
4
作者 刘思怡 郭忠峰 +2 位作者 孙泓辰 赵文增 沈煜涛 《组合机床与自动化加工技术》 北大核心 2025年第11期152-157,163,共7页
为进一步提高机床主轴热误差预测精度,提出采用Cubic混沌映射和自适应权重调整改进鲸鱼优化算法(whale optimization algorithm,WOA)(CAWOA),并利用改进后的算法对长短期记忆神经网络(LSTM)的超参数空间进行优化,建立热误差预测模型。以... 为进一步提高机床主轴热误差预测精度,提出采用Cubic混沌映射和自适应权重调整改进鲸鱼优化算法(whale optimization algorithm,WOA)(CAWOA),并利用改进后的算法对长短期记忆神经网络(LSTM)的超参数空间进行优化,建立热误差预测模型。以VMC0656e五轴加工中心为实验对象,测量了电主轴在不同转速下的温升和热误差数据。利用随机森林算法(RF)结合特征交叉递归移除方法(RFECV)对电主轴温度测点进行筛选,将筛选出的温升数据作为输入,热误差数据为输出,建立改进WOA优化LSTM(CAWOA-LSTM)的热误差预测模型,并与其他预测模型进行预测性能对比分析。结果表明,所提出的热误差预测模型在预测性能上显著优于未优化的WOA-LSTM以及PSO-LSTM、SSA-ELM模型,表明改进后的鲸鱼算法(CAWOA)可以提高长短期记忆神经网络(LSTM)的准确性,为电主轴热误差建模提供了一种新方法。 展开更多
关键词 热误差预测 电主轴 鲸鱼优化算法 长短期记忆神经网络 rf-rfecv算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部