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182篇文章
< 1 2 … 10 >
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SMOTE算法的结直肠癌患者术后发生腹腔感染的预警模型构建
1
作者 杨静 杨婕 蒋理立 《肿瘤药学》 2025年第3期363-369,共7页
目的基于SMOTE算法构建结直肠癌患者术后发生腹腔感染的预警模型。方法将328例结直肠癌患者作为观察对象,根据术后是否发生腹腔感染分为感染组(50例)和非感染组(278例),收集和分析受试者资料,用单因素及Logistic回归分析筛选结直肠癌患... 目的基于SMOTE算法构建结直肠癌患者术后发生腹腔感染的预警模型。方法将328例结直肠癌患者作为观察对象,根据术后是否发生腹腔感染分为感染组(50例)和非感染组(278例),收集和分析受试者资料,用单因素及Logistic回归分析筛选结直肠癌患者术后发生腹腔感染的影响因素,再通过SMOTE算法重建影响因素的原始数据集,构建风险预警模型并验证其预测效能。结果328例结直肠癌患者中有50例术后发生腹腔感染,发生率为15.24%。合并糖尿病(X_(1))、切口长度(X_(2))、手术时间(X_(3))、出血量(X_(4))、联合脏器切除(X_(5))、术后发生吻合口瘘(X_(6))、术后引流管留置时间(X7)是结直肠癌患者术后发生腹腔感染的危险因素(P<0.05)。得到原始预警模型P_(1)=1/[1+e^(-(-5.009+1.190X_(1)+0.737X_(2)+0.905X_(3)+0.941X_(4)+1.028X_(5)+1.047X_(6)+0.929X_(7)))]和基于SMOTE算法的预警模型P_(2)=1/[1+e^(-(-6.152+1.251X_(1)+0.788X_(2)+0.915X_(3)+0.972X_(4)+1.109X_(5)+1.276X_(6)+0.958X_(7)))]。基于SMOTE算法的预警模型P_(2)的AUC值[0.833(95%CI:0.792~0.854)]高于原始预警模型P_(1)的AUC值[0.814(95%CI:0.765~0.826)]。结论基于SMOTE算法构建的预警模型AUC值高于原始预警模型,其预测性能更优。 展开更多
关键词 结直肠癌患者 腹腔感染 预警模型 smote算法 术后
暂未订购
基于SMOTE算法的航班正常率预测
2
作者 张嘉懿 胡明华 黄梵根 《华东交通大学学报》 2025年第3期57-66,共10页
为实现对航班正常率的精准预测,根据航班延误原因进行数据统计,构建了包含起飞机场、目的地机场、流控信息、航路航线性质的航班正常预测指标体系,提出了基于SMOTE算法的XGBoost分类预测模型(SM-XGBoost模型)和基于SMOTE算法的LightGBM... 为实现对航班正常率的精准预测,根据航班延误原因进行数据统计,构建了包含起飞机场、目的地机场、流控信息、航路航线性质的航班正常预测指标体系,提出了基于SMOTE算法的XGBoost分类预测模型(SM-XGBoost模型)和基于SMOTE算法的LightGBM分类预测模型(SM-LightGBM模型),并以华东地区主要机场实际数据为基础,对所提模型的有效性和先进性进行了验证。结果表明:SM-XGBoost模型和SM-LightGBM模型在预测准确度和误差上明显优于决策树和随机森林模型;在训练集和测试集稳定性上,SM-LightGBM模型优于SM-XGBoost模型,对测试集的预测准确率最高达88.2%。该方法为类似复杂系统事件预测提供了一种新的分析思路。 展开更多
关键词 smote算法 航班正常率 XGBoost模型
在线阅读 下载PDF
基于Borderline-SMOTE和OOA-SVM的心脏病诊断预测模型 被引量：2
3
作者 祖璇 张广海 《兰州文理学院学报(自然科学版)》 2025年第1期46-52,共7页
为实现心脏病精准预测,构建了一种预测准确率较高的心脏病诊断预测模型.首先对原始数据集进行pearson相关性分析和归一化处理;然后采用过采样技术Borderline-SMOTE算法,平衡训练数据集的少数类;之后利用鱼鹰优化算法(Osprey Optimizatio... 为实现心脏病精准预测,构建了一种预测准确率较高的心脏病诊断预测模型.首先对原始数据集进行pearson相关性分析和归一化处理;然后采用过采样技术Borderline-SMOTE算法,平衡训练数据集的少数类;之后利用鱼鹰优化算法(Osprey Optimization Algorithm,OOA)优化支持向量机(support vector machine,SVM),获得最优参数组合(C,g);最后在测试数据集上进行分类预测.与SSA-SVM、SMA-SVM和SVM相比,本文方法OOA-SVM的预测准确率最高,达到了95.08%,且模型稳定性最好. 展开更多
关键词 Borderline-smote 鱼鹰优化算法 支持向量机 心脏病诊断预测
在线阅读 下载PDF
基于SMOTE的TDBO-SVM变压器故障诊断
4
作者 孟秋彤 刘为国 朱洪波 《佳木斯大学学报(自然科学版)》 2025年第7期9-12,16,共5页
变压器在电力系统中发挥着至关重要的作用,为了保证变压器故障诊断的可靠性,提出了基于合成少数类过采样技术(SMOTE)的TDBO-SVM变压器故障诊断模型。首先,通过SMOTE均衡数据集,降低不平衡故障数据对模型诊断精度的影响;其次,引入了SPM... 变压器在电力系统中发挥着至关重要的作用,为了保证变压器故障诊断的可靠性,提出了基于合成少数类过采样技术(SMOTE)的TDBO-SVM变压器故障诊断模型。首先,通过SMOTE均衡数据集,降低不平衡故障数据对模型诊断精度的影响;其次,引入了SPM混沌映射、可变螺旋搜索策略、Levy飞行策略、自适应t分布扰动变异对蜣螂算法进行改进;随后利用TDBO对SVM的惩罚参数和核参数进行组合寻优,建立TDBO-SVM模型;最后,对不同变压器故障诊断模型进行实例仿真对比,验证了该模型在油浸式变压器故障诊断中具有较高的诊断精度和较好的收敛性。 展开更多
关键词 smote 改进蜣螂优化算法 SVM 变压器 故障诊断
在线阅读 下载PDF
基于SMOTE改进方法的交通事故风险预测模型
5
作者 江煦宁 薛雅慧 王一菲 《智能计算机与应用》 2025年第7期42-47,共6页
近年来,交通事故发生率居高不下,给社会稳定和经济发展造成了严重影响。交通事故预测属于不平衡数据的二分类问题,具有数据量大、样本不平衡率高、计算强度大等问题。采集G15上海路段高速公路交通数据,采用合成少数类样本过采样技术(Syn... 近年来,交通事故发生率居高不下,给社会稳定和经济发展造成了严重影响。交通事故预测属于不平衡数据的二分类问题,具有数据量大、样本不平衡率高、计算强度大等问题。采集G15上海路段高速公路交通数据,采用合成少数类样本过采样技术(Synthetic Minority Oversampling Technique,SMOTE)改进方法和机器学习、深度学习模型结合,改善SMOTE方法合成数据时的盲目性和不同分类模型处理不平衡数据时产生的过拟合问题,分类探究了不同模型对交通事故风险预测的适用性和鲁棒性,并针对实验数据得出结论。实验表明,属性分类合成过采样(Attribute-Synthetic Minority Oversampling Technique,ASMOTE)和极致梯度提升(eXtreme Gradient Boosting,XGBoost),改进合成过采样(Improved Synthetic Minority Oversampling Technique,ISMOTE)和随机森林(Random Forest,RF)两种结合模型在交通事故预测领域具有一定优势。运用SMOTE改进方法有效避免了交通事故样本误分类率高的问题,提升了交通事故风险预测的准确性,为实现交通事故预测提供解决策略与方向。 展开更多
关键词 交通事故 风险预测 不平衡数据 过采样 smote改进方法
在线阅读 下载PDF
基于GRU-Attention网络与SMOTE算法的疲劳驾驶检测方法
6
作者 周纪 《汽车实用技术》 2025年第9期46-51,66,共7页
文章提出了一种基于合成少数类过采样技术(SMOTE)、门控循环单元(GRU)神经网络与注意力(Attention)机制的疲劳驾驶检测方法。疲劳驾驶是导致交通事故的重要因素,尤其在长途驾驶或夜间行车时,驾驶员的警觉度会下降。文章通过分析方向盘... 文章提出了一种基于合成少数类过采样技术(SMOTE)、门控循环单元(GRU)神经网络与注意力(Attention)机制的疲劳驾驶检测方法。疲劳驾驶是导致交通事故的重要因素,尤其在长途驾驶或夜间行车时,驾驶员的警觉度会下降。文章通过分析方向盘转角数据,提取驾驶员行为特征,判断其疲劳状态。为解决数据不平衡问题,文章采用SMOTE算法对少数类样本进行过采样,缓解了类别不平衡对模型训练的影响,研究共采集了4 320个驾驶片段样本,并将疲劳程度划分为三类:正常、疲劳、非常疲劳。结合GRU神经网络和Attention机制(GRU能够处理长时序数据,而Attention机制能够帮助网络关注关键时刻的转角变化),提高疲劳特征的识别能力。实验结果表明,所提出的方法在疲劳驾驶检测中取得了98%以上的命中率(POD),能够有效识别不同疲劳程度,对交通安全具有重要意义。 展开更多
关键词 疲劳驾驶 smote算法 GRU神经网络 Attention机制
在线阅读 下载PDF
基于SMOTE算法构建糖尿病足溃疡患者风险预测模型的初步探索
7
作者 郭福蝶 李希西 +3 位作者 李叶萍 罗杨 张红梅 白迎春 《北京生物医学工程》 2025年第3期284-289,共6页
目的探索糖尿病患者发生糖尿病足溃疡(diabetic foot ulcers,DFU)的独立风险因素,并基于SMOTE算法构建预警模型。方法回顾性分析2017年2月至2021年2月期绵阳市中心医院收治的272例糖尿病患者的临床资料,根据患者是否发生DFU将患者分为DF... 目的探索糖尿病患者发生糖尿病足溃疡(diabetic foot ulcers,DFU)的独立风险因素,并基于SMOTE算法构建预警模型。方法回顾性分析2017年2月至2021年2月期绵阳市中心医院收治的272例糖尿病患者的临床资料,根据患者是否发生DFU将患者分为DFU组和非DFU组,采用多因素Logistic回归分析筛选糖尿病DFU的独立风险因素并构建预测模型X_(1),同时基于SMOTE算法改进数据集,构建预警模型X_(2),并对比验证模型的预测效能,内部验证方法采用5折交叉验证。结果高血压、周围神经病变、C反应蛋白(C-reactive protein,CRP)≥8 mg/L、糖化血红蛋白(glycosylated hemoglobin,type A1C,HbA1c)≥6%、纤维蛋白原(fibrinogen,FIB)≥4 g/L为糖尿病患者发生DFU的独立风险因素(P<0.05)。基于上述风险因素建立预警模型X_(1)的ROC曲线下面积为0.888(95%CI:0.826~0.951),基于SMOTE算法改进数据集的预警模型X_(2)的ROC曲线下面积为0.916(95%CI:0.891~0.941),两者均具有较高的预测精准度,但后者的预测效果稍高于前者。5折交叉验证的模型正确率为77.2%。结论高血压或血压升高、发生周围神经病变及高CRP、HbA1c、FIB水平均是糖尿病足溃疡的独立风险因素,在临床治疗中应重点关注。基于SMOTE过抽样算法建立的风险预警模型具有较高的预测效能,临床可根据上述因予以足溃疡高危人群制定相应的防治措施。 展开更多
关键词 smote算法 糖尿病足溃疡 LOGISTIC分析 风险预测模型
暂未订购
融合改进K-SMOTE与LightGBM算法的故障检测方法
8
作者 包家丽 《现代信息科技》 2025年第15期174-178,共5页
针对工业故障检测中类别不平衡数据导致的模型泛化能力弱、对少数类故障识别精度不足等问题,文章提出一种融合聚类优化与集成学习的分类框架,旨在提升多类故障检测的鲁棒性与准确性。采用了基于K-means聚类的改进SMOTE算法(K-SMOTE),通... 针对工业故障检测中类别不平衡数据导致的模型泛化能力弱、对少数类故障识别精度不足等问题,文章提出一种融合聚类优化与集成学习的分类框架,旨在提升多类故障检测的鲁棒性与准确性。采用了基于K-means聚类的改进SMOTE算法(K-SMOTE),通过簇内样本插值策略增强少数类样本的分布合理性,结合随机K折交叉验证动态划分均衡化数据集,构建LightGBM算法训练集成分类模型。在UCI钢板缺陷数据集上的实验表明,所提方法的准确率、精确率及召回率分别达到0.930、0.920和0.920,显著优于随机森林和MLP等模型,各类别ROC曲线的AUC值均高于0.98,最高达1.00,验证了其对复杂故障模式的高区分能力。 展开更多
关键词 工业故障诊断 K-smote算法 LightGBM
在线阅读 下载PDF
基于SMOTE算法的岩爆烈度等级预测模型研究
9
作者 李璐佳 周爱红 +1 位作者 袁颖 戎密仁 《河北地质大学学报》 2025年第3期30-37,共8页
为了解决岩爆数据库中存在数据不均衡的问题,导致岩爆预测准确率较低等问题,基于SMOTE(synthetic minority oversampling technique)过采样算法提出了SMOTE-随机森林、SMOTE-梯度提升决策树、SMOTE-支持向量机、SMOTE-BP神经网络、SMOTE... 为了解决岩爆数据库中存在数据不均衡的问题,导致岩爆预测准确率较低等问题,基于SMOTE(synthetic minority oversampling technique)过采样算法提出了SMOTE-随机森林、SMOTE-梯度提升决策树、SMOTE-支持向量机、SMOTE-BP神经网络、SMOTE-卷积神经网络5种模型。选取6个指标,并将岩爆烈度等级划分为4个等级,以此建立岩爆指标体系。然后,针对岩爆数据库存在数据不均衡问题,使用SMOTE过采样算法扩增数据库。最后引入5种常用的机器学习模型预测岩爆烈度等级,并将这5种模型分别对原始的岩爆数据库和经过SMOTE算法后的岩爆数据库进行预测,验证预处理过程的有效性。结果表明:1)相比于传统模型,引入SMOTE算法后,模型预测准确率提高了10.000%~35.000%;2)SMOTE-随机森林模型相比于其他4种模型预测准确率最高。 展开更多
关键词 岩爆 smote过采样算法 随机森林 烈度等级预测
在线阅读 下载PDF
基于LightGBM-SMOTE模型的新能源上市公司财务困境预警研究
10
作者 李泗颍 史新和 《金陵科技学院学报(社会科学版)》 2025年第3期25-32,共8页
以我国新能源上市公司为研究对象,基于2014—2024年沪深A股73家ST新能源公司数据和作为对照样本的219家非ST公司的配对样本数据,利用LightGBM算法和SMOTE技术构建财务困境预警模型,并与其他财务困境预警模型进行对比分析。结果表明:Ligh... 以我国新能源上市公司为研究对象,基于2014—2024年沪深A股73家ST新能源公司数据和作为对照样本的219家非ST公司的配对样本数据,利用LightGBM算法和SMOTE技术构建财务困境预警模型,并与其他财务困境预警模型进行对比分析。结果表明:LightGBM-SMOTE模型预测效能显著优于随机森林、决策树、BP神经网络、XGBoost、CatBoost以及未使用SMOTE技术的LightGBM等基准模型。在此基础上,对特征重要性进行分析,发现政府补助占利润比、营业净利率、净资产收益率、资产报酬率、总资产增长率和前十大股东持股比例是识别财务困境的关键指标。基于研究结论,对新能源企业财务风险管理提出如下建议:构建常态化预警机制,动态监测关键指标变化趋势;通过技术创新与成本优化增强内生盈利能力,降低对政府补贴的依赖程度;完善治理机制,优化股权结构,强化独立董事的监督作用。 展开更多
关键词 新能源上市公司 财务困境预警 机器学习 LightGBM算法 smote技术
在线阅读 下载PDF
基于 SMOTE 算法的老年肌少症患者跌倒风险预测模型的建立 被引量：1
11
作者 孙敏 王娅 +2 位作者 丁佐玲 钱维群 孟雅 《护理管理杂志》 CSCD 2024年第10期899-903,共5页
目的探讨老年肌少症患者跌倒的危险因素,并基于SMOTE算法构建风险预测模型。方法选取2020年12月至2022年9月某医院收治的256例老年肌少症患者为研究对象,根据跌倒发生情况分为跌倒组和未跌倒组。采用Logistic回归分析筛选老年肌少症患... 目的探讨老年肌少症患者跌倒的危险因素,并基于SMOTE算法构建风险预测模型。方法选取2020年12月至2022年9月某医院收治的256例老年肌少症患者为研究对象,根据跌倒发生情况分为跌倒组和未跌倒组。采用Logistic回归分析筛选老年肌少症患者跌倒的危险因素,应用SMOTE算法构建老年肌少症患者跌倒的预测模型,并对预测模型的预测效能进行分析。结果256例老年肌少症患者中65例发生跌倒,跌倒发生率为25.39%;年龄≥70岁、严重肌少症期、睡眠障碍、糖尿病、视力障碍及直立性低血压是老年肌少症患者跌倒的危险因素,原始预测模型Logit(P 1)=1.057×年龄+0.808×肌少症临床分期+0.901×睡眠障碍+0.835×糖尿病+0.828×视力障碍+1.221×直立性低血压-2.535,基于SMOTE算法的预测模型Logit(P 2)=1.043×年龄+0.879×肌少症临床分期+0.962×睡眠障碍+0.717×糖尿病+0.810×视力障碍+1.314×直立性低血压-1.445,ROC曲线显示,P 2模型ROC曲线下面积为0.952(95%CI:0.920,0.972),显著高于P 1模型的ROC曲线下面积0.761(95%CI:0.693,0.828),基于SMOTE算法预测模型的校准曲线显示预测值和实际值一致性良好。结论年龄、肌少症临床分期、睡眠障碍、糖尿病、视力障碍及直立性低血压是老年肌少症患者跌倒的危险因素,基于SMOTE算法的预测模型具有较好的预测效能,有助于临床护理人员识别老年肌少症跌倒高危人群。 展开更多
关键词 老年 肌少症 跌倒 护理 风险 smote算法 预测模型
暂未订购
基于SMOTE和XGBoost的天然气水合物与天然气储层识别 被引量：2
12
作者 杜睿山 黄玉朋 +4 位作者 付晓飞 孟令东 张轶楠 靳明洋 蔡洪波 《特种油气藏》 CAS CSCD 北大核心 2024年第5期11-19,共9页
天然气水合物与天然气储层识别一直是海洋能源勘探开发阶段的重点任务。然而,由于测井数据与储层之间的复杂非线性关系以及测井数据的不均衡性,导致传统储层识别方法往往精度不高,严重限制了研究区域的勘探进展。为解决上述问题,提出了... 天然气水合物与天然气储层识别一直是海洋能源勘探开发阶段的重点任务。然而,由于测井数据与储层之间的复杂非线性关系以及测井数据的不均衡性,导致传统储层识别方法往往精度不高,严重限制了研究区域的勘探进展。为解决上述问题,提出了一种用于储层识别的混合方法,即采用改进的SMOTE算法增加少数类储层样本数量,并进行去噪处理,可有效地解决数据不均衡的问题,再利用XGBoost算法对储层进行识别。结果表明:相比于传统的机器学习方法,RLSMOTE-XGB方法在储层识别方面具有更高的有效性和准确性,该方法解决了传统机器学习方法在样本类别不均衡时的局限性,储层识别精度从66.7%提高至86.4%,算法的性能得到显著提升。该研究可有效提高天然气水合物与天然气储层识别效果,对实现智能化识别储层有重要意义。 展开更多
关键词 储层识别 smote 机器学习 RLsmote-XGB 离群点检测算法
在线阅读 下载PDF
基于SMOTE算法和机器学习模型建立原发性肝癌术后的预后预测模型 被引量：3
13
作者 潘比 余靖华 +2 位作者 黄译贤 伍亚舟 李芳 《陆军军医大学学报》 CAS CSCD 北大核心 2024年第19期2236-2240,共5页
目的基于合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)算法和机器学习模型构建原发性肝癌术后的预后预测模型。方法选取美国国立癌症研究所的监测、流行病学及最终结果(Surveillance,Epidemiology,and End ... 目的基于合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)算法和机器学习模型构建原发性肝癌术后的预后预测模型。方法选取美国国立癌症研究所的监测、流行病学及最终结果(Surveillance,Epidemiology,and End Results,SEER)数据库中4297例患者进行回顾性队列研究,通过独热编码和平均值插补法进行数据预处理,利用SMOTE算法解决数据类别不平衡问题,将临床变量纳入机器学习模型,基于决策树(decision tree,DT)、随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)方法构建预后预测模型(SMOTE+DT/RF/GBDT/XGBoost),通过比较多种模型的性能,筛选出最佳的预测模型。结果组合模型SMOTE+RF展示出最优的预测性能,受试者工作特征曲线(receiver operating characteristic curve,ROC)下的面积(area under the curve,AUC)、准确率和精确率均高于其他模型,分别为0.895、0.811、0.806。结论基于SMOTE+RF算法的原发性肝癌的预后预测模型可有效预测原发性肝癌患者的生存结局。 展开更多
关键词 原发性肝癌 少数类过采样技术算法 机器学习 预测模型
原文传递
基于SMOTE算法构建子宫内膜异位症术后复发的风险模型 被引量：1
14
作者 董纪秀 梁惠霞 +4 位作者 胡燕 吕静雯 许珠婷 石燕梅 林淑媛 《福建医科大学学报》 2024年第5期331-336,共6页
目的探究基于合成少数类过采样技术(SMOTE)算法构建子宫内膜异位症(EMs)术后复发的风险模型。方法收集2017年1月—2023年3月行腹腔镜保守性手术的EMs患者148例,根据术后复发情况分为复发组(30例)和未复发组(118例)。回顾性分析受试者的... 目的探究基于合成少数类过采样技术(SMOTE)算法构建子宫内膜异位症(EMs)术后复发的风险模型。方法收集2017年1月—2023年3月行腹腔镜保守性手术的EMs患者148例,根据术后复发情况分为复发组(30例)和未复发组(118例)。回顾性分析受试者的资料,采用单因素及logistic回归分析筛选EMs患者术后复发的危险因素,通过SMOTE算法重建影响因素原始数据集,得出风险预警模型并验证其预测效能。结果148例中,术后复发30例(20.27%)。2组的体质量指数(BMI)、病程、术前并发症、既往妇科手术史、术前产次、囊肿直径、多房多囊等比较,差别均无统计学意义(P>0.05);年龄、术前痛经、病变侧别、rAFS分期、术后妊娠、术后辅助药物治疗等比较,差别均有统计学意义(P<0.05)。logistic回归分析结果显示,年龄较小、术前痛经史、双侧病变、术后妊娠、术后未采用辅助药物治疗是EMs患者术后复发的危险因素(P<0.05);得到原始预警模型和基于SMOTE算法的预警模型,经H-L检验显示,模型拟合度均良好,受试者工作特征(ROC)曲线下面积(AUC)分别为0.854和0.869,DeLong P值为0.048(P<0.05)。结论基于年龄较小、术前痛经史、双侧病变、术后妊娠、术后未采用辅助药物治疗原始数据和SMOTE算法建立的预警模型均具有较高的预测性,医护人员可据此进行有效干预,以预判EMs患者的术后复发情况。 展开更多
关键词 smote算法 子宫内膜异位症 术后复发
暂未订购
SMOTE数据预处理算法在砂型铸造复杂铸件缺陷预测中的应用
15
作者 潘徐政 刘迎辉 +5 位作者 李文 计效园 殷亚军 吴来发 解明国 周建新 《铸造》 CAS 2024年第10期1473-1479,共7页
针对实际生产过程采集的复杂转向桥铸件工艺数据中冷隔、气孔、砂眼、缩孔等缺陷类别的数据量严重不平衡、复杂铸件缺陷预测模型准确率不高的问题,结合砂型铸造实际工况,引入了SMOTE(Synthetic Minority Oversampling Technique)数据预... 针对实际生产过程采集的复杂转向桥铸件工艺数据中冷隔、气孔、砂眼、缩孔等缺陷类别的数据量严重不平衡、复杂铸件缺陷预测模型准确率不高的问题,结合砂型铸造实际工况,引入了SMOTE(Synthetic Minority Oversampling Technique)数据预处理算法,探究其在砂型铸造复杂铸件缺陷预测中的应用。根据采集到的复杂铸件不平衡数据集的特点,基于SMOTE数据预处理算法,科学扩充了不平衡数据集,创建了可用于训练复杂铸件缺陷预测模型的平衡数据集,数据预处理前后的模型预测准确率从86.50%提高至97.91%。 展开更多
关键词 转向桥铸件 砂型铸造 不平衡数据集 数据预处理 smote算法 缺陷预测
在线阅读 下载PDF
结合SMOTE技术与优化算法的支持向量机在慢性心衰不良结局预测中的应用 被引量：1
16
作者 李晓桐 程璠 +3 位作者 田晶 闫晶晶 张岩波 韩清华 《中国卫生统计》 CSCD 北大核心 2024年第6期802-806,共5页
目的应用优化算法的支持向量机(support vector machine,SVM)结合合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)预测慢性心衰患者不良结局,提高分类模型预测性能。方法顺序入选2014年1月至2017年12月,山西... 目的应用优化算法的支持向量机(support vector machine,SVM)结合合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)预测慢性心衰患者不良结局,提高分类模型预测性能。方法顺序入选2014年1月至2017年12月,山西省两所三级甲等医院心内科确诊为慢性心力衰竭的1183例住院患者,收集患者的病历资料。基于原始训练集构建logistic回归(logistic regression,LR)与支持向量机模型,同时结合SMOTE算法构建LR、SVM、遗传算法支持向量机(genetic algorithm support vector machine,GA-SVM)和粒子群支持向量机模型(particle swarm support vector machine,PSO-SVM),通过灵敏度(sensitivity,SEN)、准确度(accuracy,ACC)、特异度(specificity,SPE)、G-means、F-measure、ROC曲线下面积(area under receiver operating characteristic curve,AUC)等指标综合评价各模型的分类性能。结果相较于对原始数据进行直接分类,应用SMOTE技术均衡化数据集后,模型性能明显提高。均衡化训练集构建LR、SVM、GA-SVM和PSO-SVM模型结果表明,GA-SVM和PSO-SVM在SPE、ACC指标低于LR;SEN、G-means、F-measure和AUC均优于LR。GA-SVM和PSO-SVM的综合效果显著高于SVM(SEN、G-means、F-measure指标表现均优于SVM)。结论基于均衡化数据集构建GA-SVM或PSO-SVM模型可提高SVM对于心衰预后的预测性能。 展开更多
关键词 smote 支持向量机 遗传算法优化 粒子群算法优化 慢性心力衰竭
暂未订购
基于SMOTE算法的脊柱内固定手术后脊柱感染再入院预测模型构建
17
作者 张细顺 王宁 +1 位作者 吴素琴 张婷婷 《中国骨与关节损伤杂志》 2024年第11期1130-1135,共6页
目的探究基于SMOTE算法的脊柱内固定手术后脊柱感染再入院预测模型构建。方法收集自2021-01-2023-12于笔者所在医院诊治的2896例脊柱内固定手术患者作为观察对象,根据脊柱内固定手术后是否发生脊柱感染分为脊柱感染组(23例)和非脊柱感染... 目的探究基于SMOTE算法的脊柱内固定手术后脊柱感染再入院预测模型构建。方法收集自2021-01-2023-12于笔者所在医院诊治的2896例脊柱内固定手术患者作为观察对象,根据脊柱内固定手术后是否发生脊柱感染分为脊柱感染组(23例)和非脊柱感染组(2873例)。收集和分析受试者资料,用单因素及Logistic回归分析筛选脊柱内固定手术后脊柱感染再入院情况的危险因素,再通过SMOTE算法重建影响因素原始数据集,得出风险预警模型并验证其预测效能。结果2896例脊柱内固定手术后脊柱感染者23例,其发生率为0.79%。两组在性别、病因、饮酒史、吸烟史、高血压、手术时间、输血方式、手术入路、白蛋白、住院时间方面,差异无统计学意义(P>0.05);而在年龄、体质量指数、抗生素使用时间、糖尿病方面比较,差异有统计学意义(P<0.05)。原始预警模型:P_(1)=1.333X1+1.268X2+1.348X3+1.427X4-7.883,经H-L检验,结果表明模型拟合度良好(决定系数R^(2)=0.438P=0.587)。基于SMOTE算法的预警模型:P_(2)=1.328X1+1.283X2+1.357X3+1.434X4-8.059,经H-L检验,结果表明模型拟合度良好(决定系数R^(2)=0.527,P=0.633)。结论基于SMOTE算法构建的脊柱内固定手术后脊柱感染再入院预警模型显示患者年龄、体质量指数、抗生素使用时间、糖尿病是其危险因素。 展开更多
关键词 脊柱感染smote算法 预测模型 脊柱内固定术 术后
原文传递
基于SMOTE-SSA-CNN的开关柜故障诊断方法 被引量：1
18
作者 张玮 《电气传动》 2024年第10期83-89,共7页
开关柜多源监测数据包含丰富的设备运行状态信息,对其进行分析可实现开关柜故障诊断。提出一种基于SMOTE-SSA-CNN的开关柜故障诊断方法。首先,以开关柜电压、电流和温湿度等监测数据为基础,采用合成少数类样本过采样技术(SMOTE)算法对... 开关柜多源监测数据包含丰富的设备运行状态信息,对其进行分析可实现开关柜故障诊断。提出一种基于SMOTE-SSA-CNN的开关柜故障诊断方法。首先,以开关柜电压、电流和温湿度等监测数据为基础,采用合成少数类样本过采样技术(SMOTE)算法对原始数据集进行样本扩充,解决原始数据集中正负样本严重失衡的问题;然后引入麻雀搜索算法(SSA)对卷积神经网络(CNN)的卷积核大小与数量、全连接层神经元数量、学习率等超参数进行优化,提高模型故障诊断结果的准确率;最后,通过算例分析对建立的SMOTE-SSA-CNN模型性能进行评估,验证了所提方法对开关柜故障诊断的有效性,且与传统故障诊断方法相比,所提方法的收敛性较好,精度较高。 展开更多
关键词 开关柜 多源监测数据 合成少数类样本过采样技术算法 麻雀搜索算法 卷积神经网络
在线阅读 下载PDF
基于SMOTE-XGBoost算法的混凝土强度预测 被引量：1
19
作者 薛飞 《混凝土与水泥制品》 2024年第8期32-36,共5页
基于244组混凝土配合比构建了数据库,采用SMOTE-XGBoost算法对混凝土28 d抗压强度进行了预测。首先通过SMOTE算法对划分的训练集进行平衡处理;然后对比了SMOTE算法平衡前后XGBoost与常用混凝土强度预测模型的评估结果;最后进行了SMOTE-X... 基于244组混凝土配合比构建了数据库,采用SMOTE-XGBoost算法对混凝土28 d抗压强度进行了预测。首先通过SMOTE算法对划分的训练集进行平衡处理;然后对比了SMOTE算法平衡前后XGBoost与常用混凝土强度预测模型的评估结果;最后进行了SMOTE-XGBoost算法的实际工程验证。结果表明:SMOTE-XGBoost算法有效解决了数据不平衡问题,提高了预测模型的精度;相较于其他机器学习模型,SMOTE-XGBoost算法的预测结果较好;应用SMOTE-XGBoost算法对无岳高速WYTJ-07标段工程自制花岗岩混凝土的28 d抗压强度进行了预测,预测结果误差较小,该算法在工程混凝土强度预测方面具有广泛的应用前景。 展开更多
关键词 混凝土28 d抗压强度 机器学习 smote-XGBoost算法 预测
在线阅读 下载PDF
基于SMOTE与GBDT算法在银行客户流失预测中的应用
20
作者 许超 许莉 游凤芹 《现代计算机》 2024年第23期91-96,共6页
为了提前发现银行潜在的流失客户,构建基于SMOTE与GBDT算法客户流失率预测模型。该模型首先进行数据预处理,然后通过分析数据集中各个特征之间的关系,构建对流失率可能产生影响的新特征。接着采用SMOTE算法处理数据分布不平衡问题。最... 为了提前发现银行潜在的流失客户,构建基于SMOTE与GBDT算法客户流失率预测模型。该模型首先进行数据预处理,然后通过分析数据集中各个特征之间的关系,构建对流失率可能产生影响的新特征。接着采用SMOTE算法处理数据分布不平衡问题。最后将数据集输入集成学习GBDT分类器来进行预测。实验结果表明,在处理不平衡数据集分类问题时,与没有进行SMOTE处理的算法相比,基于SMOTE与GBDT算法在AUC、G⁃mean和F1值指标上都获得了提升。 展开更多
关键词 流失预测 smote算法 GBDT算法 集成学习
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 2 … 10 下一页 到第 页
使用帮助 返回顶部