COPD多维特征提取与集成诊断方法

目前对慢性阻塞性肺疾病(COPD)的研究存在局限性,一方面,研究成果只利用数据分析单一特征对疾病的影响;另一方面,研究成果仅通过简单算法模型对病例数据验证,因此提出了COPD多维特征提取与集成诊断方法。首先,提出最大依赖度MDF-RS算法,提取多维特征的最优组合;其次,提出DSA-SVM集成模型,构建分类器进行诊断及预测;最后,利用交叉验证方法验证准确率等各项性能指标。通过实验对比验证了提出算法的有效性。

融合评分-评价一致性和多维时间序列的虚假评论识别方法

在线商品评论是指导客户购买行为的重要依据.虚假的评论无疑严重地误导消费者,为营造公平公正的在线购物环境带来巨大挑战.前人的研究主要分别依据评分或评论进行检测,一方面,研究成果没有斟辨评论内容与其评分的一致性,因为很多不真实的评论与其评分是不一致的;另一方面,研究成果没有考虑评论时间对识别虚假评论的影响,因为虚假评论使得一段时间内评论数量及评分会出现突变.因此,本文提出融合评分-评价一致性和多维时间序列的虚假评论识别方法.首先,根据在线商品评论的特点,分析评论文本的情感极性,判断与其评分的一致性;其次,考虑时间因素对评分及评论数量的影响,构建基于多维时间序列的虚假评论检测模型;最后,使用将抽取的多个虚假评论特征进行融合,构建出虚假评论检测分类器.通过实验对比验证了本文方法的有效性.

融合时间序列与多尺度特征的虚假评论识别方法

结合时间序列与多尺度特征,提出一种改进的虚假评论识别方法。考虑时间因素对评分及其分布的影响,构建基于多维时间序列的虚假评论识别模型提取异常评论特征,并对异常评论特征进行层次划分,根据多尺度特征思想获取基准尺度特征及细分尺度特征。采用基于密度峰值的聚类算法识别虚假评论,并提高虚假评论识别模型的抗噪能力。实验结果表明,与基于基准尺度特征和多尺度特征的密度峰值聚类虚假评论识别方法相比,该方法的AUC值达到92%,虚假评论识别正确率更高。