文档名：特征降维的深度强化学习脑卒中分类预测研究
摘要：针对脑卒中筛查数据集冗余,特征较多,采用传统的分类算法效果较差的问题,为实现脑卒中筛查数据高效的诊断预测,建立了一种混合特征降维的深度强化学习分类预测优化模型.提出一种改进的CFS特征选择算法,并与PCA结合,对原始脑卒中筛查数据集进行特征降维;基于DoubleDQN和DuelingDQN算法构建深度强化学习分类预测模型,引入一种更具鲁棒性的损失函数,对模型进行了优化,提高了模型的分类效果;对比已有的Na?veBayes、J48、SVM、KNN和DQN模型在公共数据集及脑卒中筛查数据集的实验结果,结果表明:所提模型在特征降维和分类预测2个方面均表现优越,在脑卒中筛查数据集上分类准确率优于对比算法,可为临床上脑卒中疾病的辅助诊断提供建议.
作者：袁甜甜 李凤莲 张雪英 胡风云 贾文辉 Author：YUANTiantian LIFenglian ZHANGXueying HUFengyun JIAWenhui
作者单位：太原理工大学信息与计算机学院,太原030024山西省人民医院,太原030012
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(6)
分类号：TP391
关键词：特征降维 改进的CFS DoubleDuelingDQN 损失函数 脑卒中
机标分类号：R743TP391.41R445.1
在线出版日期：2023年6月6日
基金项目：国家自然科学基金特征降维的深度强化学习脑卒中分类预测研究[
期刊论文] 重庆理工大学学报--2023, 37(6)袁甜甜 李凤莲 张雪英 胡风云 贾文辉针对脑卒中筛查数据集冗余,特征较多,采用传统的分类算法效果较差的问题,为实现脑卒中筛查数据高效的诊断预测,建立了一种混合特征降维的深度强化学习分类预测优化模型.提出一种改进的CFS特征选择算法,并与PCA结合,对原...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
特征降维的深度强化学习脑卒中分类预测研究 Classification and prediction research of stroke based on deep reinforcement learning with feature dimension reduction
特征降维的深度强化学习脑卒中分类预测研究.pdf
- 文件大小:
- 11.49 MB
- 下载次数:
- 60
-
高速下载
|
