针对基于机器学习的滑坡易发性评价中非滑坡样本选取不规范导致的分类精度较低问题,本文提出联合基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)采样策略和支持向量机(Support Vecto...针对基于机器学习的滑坡易发性评价中非滑坡样本选取不规范导致的分类精度较低问题,本文提出联合基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)采样策略和支持向量机(Support Vector Machine,SVM)分类方法的DBSCAN-SVM滑坡易发性评价模型。首先,基于DBSCAN聚类和空间分析选取非滑坡样本;然后,将样本数据代入SVM分类模型进行训练与验证,预测并提取SVM分类中属于滑坡的概率,获得滑坡易发性;最后,以四川省绵阳市为试验区,预测滑坡易发性概率,基于滑坡易发性精度与分级结果等要素,与传统非滑坡样本采集策略的SVM滑坡易发性评价模型进行对比,并结合实际情况对DBSCAN-SVM模型评价结果进行分析。研究结果表明,相比传统SVM滑坡易发性评价模型,本文提出的DBSCAN-SVM滑坡易发性评价模型在高易发区和极高易发区中包含的滑坡样本数量较多,准确率、召回率、AUC、F1分数均得到提高,精度较高。展开更多
目的探讨妊娠期高血压疾病并发急性心力衰竭患者采用优质护理的效果。方法选择2017年1月-2018年12月我院收治的80例妊娠期高血压疾病并发急性心力衰竭患者作为研究对象,将其随机分为对照组和观察组,各40例。对照组采用常规护理,观察组...目的探讨妊娠期高血压疾病并发急性心力衰竭患者采用优质护理的效果。方法选择2017年1月-2018年12月我院收治的80例妊娠期高血压疾病并发急性心力衰竭患者作为研究对象,将其随机分为对照组和观察组,各40例。对照组采用常规护理,观察组实施优质护理,比较2组新生儿Apgar评分、妊娠结局及并发症发生情况。结果观察组新生儿出生时、出生后1 min、5 min Apgar评分均较高,剖宫产率、新生儿轻度及重度窒息率、产后并发症发生率均较低,差异有统计学意义(P<0.05)。结论在妊娠期高血压疾病并发急性心力衰竭患者中应用临床优质护理干预,可有效降低不良妊娠结局,减少产后并发症,提高母婴生存质量。展开更多
文摘针对基于机器学习的滑坡易发性评价中非滑坡样本选取不规范导致的分类精度较低问题,本文提出联合基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)采样策略和支持向量机(Support Vector Machine,SVM)分类方法的DBSCAN-SVM滑坡易发性评价模型。首先,基于DBSCAN聚类和空间分析选取非滑坡样本;然后,将样本数据代入SVM分类模型进行训练与验证,预测并提取SVM分类中属于滑坡的概率,获得滑坡易发性;最后,以四川省绵阳市为试验区,预测滑坡易发性概率,基于滑坡易发性精度与分级结果等要素,与传统非滑坡样本采集策略的SVM滑坡易发性评价模型进行对比,并结合实际情况对DBSCAN-SVM模型评价结果进行分析。研究结果表明,相比传统SVM滑坡易发性评价模型,本文提出的DBSCAN-SVM滑坡易发性评价模型在高易发区和极高易发区中包含的滑坡样本数量较多,准确率、召回率、AUC、F1分数均得到提高,精度较高。
文摘目的探讨妊娠期高血压疾病并发急性心力衰竭患者采用优质护理的效果。方法选择2017年1月-2018年12月我院收治的80例妊娠期高血压疾病并发急性心力衰竭患者作为研究对象,将其随机分为对照组和观察组,各40例。对照组采用常规护理,观察组实施优质护理,比较2组新生儿Apgar评分、妊娠结局及并发症发生情况。结果观察组新生儿出生时、出生后1 min、5 min Apgar评分均较高,剖宫产率、新生儿轻度及重度窒息率、产后并发症发生率均较低,差异有统计学意义(P<0.05)。结论在妊娠期高血压疾病并发急性心力衰竭患者中应用临床优质护理干预,可有效降低不良妊娠结局,减少产后并发症,提高母婴生存质量。
