期刊导航
期刊开放获取
vip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习构建类风湿关节炎合并骨质疏松患者临床预测模型
被引量：
2
1
作者
卢小平
蔡旭
+2 位作者
陈新鹏
洪易炜
肖剑伟
《江苏大学学报（医学版）》
CAS
2024年第5期377-382,共6页
目的:开发一种有效且简单的工具,用于评估类风湿关节炎(rheumatoid arthritis,RA)患者发生骨质疏松症(osteoporosis,OP)的风险,以便提早进行干预,改善患者的预后和生活质量。方法:通过回顾性研究,选取2018年1月至2023年6月期间我院RA患...
目的:开发一种有效且简单的工具,用于评估类风湿关节炎(rheumatoid arthritis,RA)患者发生骨质疏松症(osteoporosis,OP)的风险,以便提早进行干预,改善患者的预后和生活质量。方法:通过回顾性研究,选取2018年1月至2023年6月期间我院RA患者53例及RA合并OP患者44例。收集24个预测因子,采用Lasso、Boruta和SVM-REF算法筛选关键预测因子,并使用多变量Logistic回归建立预测模型。进一步通过KNN及Lightgbm算法对模型进行验证。结果:筛选出4个关键预测因子:白介素4(IL-4)、总甲状腺素(TT4)、抗环瓜氨酸肽抗体(Anti-CCP)和年龄。建立的临床预测模型C指数为0.82;ROC曲线下面积为0.821;临床决策曲线结果显示,在不损害其他患者利益的情况下,当阈值概率为0.02~0.90时临床净获益水平最高,显示模型具有良好的预测能力。KNN及Lightgbm结果显示,ROC曲线下面积均为0.973,PR曲线下面积分别为0.974和0.969。混淆矩阵结果显示,KNN预测模型敏感度为0.886,特异度为0.962,准确率为0.928,F1值为0.918;Lightgbm预测模型敏感度为0.955,特异度为0.925,准确率为0.938,F1值为0.933。结论:本研究成功构建了一种针对RA合并OP的临床预测模型,发现年龄、Anti-CCP、TT4是高危因素,而IL-4是保护因素。
展开更多
关键词
类风湿关节炎
骨质疏松症
机器学习
Boruta
svm-ref
临床预测模型
暂未订购
一种基于支持向量机的跨站脚本漏洞检测技术
被引量：
6
2
作者
黄娜娜
万良
《计算机应用研究》
CSCD
北大核心
2019年第2期506-510,共5页
跨站脚本是一种常见的针对Web应用程序安全的漏洞攻击方式。恶意用户利用漏洞将恶意脚本注入网页之中,当用户浏览该网页时,便会触发脚本,导致攻击行为产生。为此,针对各种变形跨站脚本攻击难以检测问题,对一种基于正则表达式和支持向量...
跨站脚本是一种常见的针对Web应用程序安全的漏洞攻击方式。恶意用户利用漏洞将恶意脚本注入网页之中,当用户浏览该网页时,便会触发脚本,导致攻击行为产生。为此,针对各种变形跨站脚本攻击难以检测问题,对一种基于正则表达式和支持向量机的递归特征消去算法(RE-SVM-RFE)进行了研究。首先采用正则表达式匹配算法,为训练集选择有代表性的特征,即对数据预处理;再利用RE-SVM-RFE特征选择算法选择出最优特征,对具有攻击性的关键词进行特征排序;最后通过总结特征关键字的出现频率,发现频率越高漏洞存在可能性越大。实验结果表明,数据经过RE-SVM-RFE递归特征消去算法选择之后的SVM特征,预测的准确率更高,敏感度和特异度也更好,该算法能够有效地检测出跨站脚本漏洞。
展开更多
关键词
支持向量机
跨站脚本攻击
特征向量
WEB安全
特征选择
RE-SVM-RFE算法
在线阅读
下载PDF
职称材料
题名
基于机器学习构建类风湿关节炎合并骨质疏松患者临床预测模型
被引量：
2
1
作者
卢小平
蔡旭
陈新鹏
洪易炜
肖剑伟
机构
深圳市福田区风湿病专科医院风湿免疫科
出处
《江苏大学学报（医学版）》
CAS
2024年第5期377-382,共6页
基金
广东省中医药管理局中医药科研项目(20221342)。
文摘
目的:开发一种有效且简单的工具,用于评估类风湿关节炎(rheumatoid arthritis,RA)患者发生骨质疏松症(osteoporosis,OP)的风险,以便提早进行干预,改善患者的预后和生活质量。方法:通过回顾性研究,选取2018年1月至2023年6月期间我院RA患者53例及RA合并OP患者44例。收集24个预测因子,采用Lasso、Boruta和SVM-REF算法筛选关键预测因子,并使用多变量Logistic回归建立预测模型。进一步通过KNN及Lightgbm算法对模型进行验证。结果:筛选出4个关键预测因子:白介素4(IL-4)、总甲状腺素(TT4)、抗环瓜氨酸肽抗体(Anti-CCP)和年龄。建立的临床预测模型C指数为0.82;ROC曲线下面积为0.821;临床决策曲线结果显示,在不损害其他患者利益的情况下,当阈值概率为0.02~0.90时临床净获益水平最高,显示模型具有良好的预测能力。KNN及Lightgbm结果显示,ROC曲线下面积均为0.973,PR曲线下面积分别为0.974和0.969。混淆矩阵结果显示,KNN预测模型敏感度为0.886,特异度为0.962,准确率为0.928,F1值为0.918;Lightgbm预测模型敏感度为0.955,特异度为0.925,准确率为0.938,F1值为0.933。结论:本研究成功构建了一种针对RA合并OP的临床预测模型,发现年龄、Anti-CCP、TT4是高危因素,而IL-4是保护因素。
关键词
类风湿关节炎
骨质疏松症
机器学习
Boruta
svm-ref
临床预测模型
Keywords
rheumatoid arthritis
osteoporosis
machine learning
Boruta
svm-ref
clinical prediction model
分类号
R593.22 [医药卫生—内科学]
暂未订购
题名
一种基于支持向量机的跨站脚本漏洞检测技术
被引量：
6
2
作者
黄娜娜
万良
机构
贵州大学计算机科学与技术学院
贵州大学计算机科学理论研究所
出处
《计算机应用研究》
CSCD
北大核心
2019年第2期506-510,共5页
基金
贵州省科学基金资助项目(黔科合J字[2011]2328号
黔科合LH字[2014]7634号)
文摘
跨站脚本是一种常见的针对Web应用程序安全的漏洞攻击方式。恶意用户利用漏洞将恶意脚本注入网页之中,当用户浏览该网页时,便会触发脚本,导致攻击行为产生。为此,针对各种变形跨站脚本攻击难以检测问题,对一种基于正则表达式和支持向量机的递归特征消去算法(RE-SVM-RFE)进行了研究。首先采用正则表达式匹配算法,为训练集选择有代表性的特征,即对数据预处理;再利用RE-SVM-RFE特征选择算法选择出最优特征,对具有攻击性的关键词进行特征排序;最后通过总结特征关键字的出现频率,发现频率越高漏洞存在可能性越大。实验结果表明,数据经过RE-SVM-RFE递归特征消去算法选择之后的SVM特征,预测的准确率更高,敏感度和特异度也更好,该算法能够有效地检测出跨站脚本漏洞。
关键词
支持向量机
跨站脚本攻击
特征向量
WEB安全
特征选择
RE-SVM-RFE算法
Keywords
SVM
XSS
feature vectors
Web security
feature selection
RE-
svm-ref
algorithm
分类号
TP393.08 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习构建类风湿关节炎合并骨质疏松患者临床预测模型
卢小平
蔡旭
陈新鹏
洪易炜
肖剑伟
《江苏大学学报（医学版）》
CAS
2024
2
暂未订购
2
一种基于支持向量机的跨站脚本漏洞检测技术
黄娜娜
万良
《计算机应用研究》
CSCD
北大核心
2019
6
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
