目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(...目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(Alzheimer′s disease neuroimaging initiative,ADNI),经随机森林填补缺失值,弹性网络筛选特征子集后,利用ADASYN与类别逆比例加权法处理类别不平衡数据。分别结合随机森林(random forest,RF)、支持向量机(support vector machine,SVM)构建四种模型:ADASYN-RF、ADASYN-SVM、加权随机森林(weighted random forest,WRF)、加权支持向量机(weighted support vector machine,WSVM),与RF、SVM比较分类性能。模型评价指标为宏观平均精确率(macro-average of precision,macro-P)、宏观平均召回率(macro-average of recall,macro-R)、宏观平均F1值(macro-average of F1-score,macro-F1)、准确率(accuracy,ACC)、Kappa值和AUC(area under the ROC curve)。结果ADASYN-RF的分类性能最优(Kappa值为0.938,AUC为0.980),ADASYN-SVM次之。利用ADASYN-RF预测得到的重要分类特征分别为CDRSB、LDELTOTAL、MMSE,在临床上均可得到证实。结论ADASYN与类别逆比例加权法都能辅助提升分类器性能,但ADASYN算法更优。展开更多
为解决中频感应加热电源在受到温度、工件材质等因素变化影响时固有频率发生波动的问题,提出了一种基于模数转换(Analog to Digital,A/D)采样优化的感应加热电源谐振频率自适应追踪方法。在一个感应加热电源的输出周期内,细化电流A/D采...为解决中频感应加热电源在受到温度、工件材质等因素变化影响时固有频率发生波动的问题,提出了一种基于模数转换(Analog to Digital,A/D)采样优化的感应加热电源谐振频率自适应追踪方法。在一个感应加热电源的输出周期内,细化电流A/D采样过程,找到输出电流与电压的相位差并判断系统状态。在优选A/D采样次数的基础上,设计自适应调节机制来追踪谐振频率,使系统达到准谐振状态。以TMS320F28335控制芯片为基础搭建感应加热电源样机,对所采用频率自适应追踪方法进行了验证。实验结果表明,频率自适应追踪方法在环境温度变化剧烈时可避免系统受到干扰,并且能在无硬件过零检测电路的情况下快速追踪负载的谐振频率。展开更多
文摘目的利用自适应合成抽样(adaptive synthetic sampling,ADASYN)与类别逆比例加权法处理类别不平衡数据,结合分类器构建模型对阿尔茨海默病(alzheimer′s disease,AD)患者疾病进程进行分类预测。方法数据源自阿尔茨海默病神经影像学计划(Alzheimer′s disease neuroimaging initiative,ADNI),经随机森林填补缺失值,弹性网络筛选特征子集后,利用ADASYN与类别逆比例加权法处理类别不平衡数据。分别结合随机森林(random forest,RF)、支持向量机(support vector machine,SVM)构建四种模型:ADASYN-RF、ADASYN-SVM、加权随机森林(weighted random forest,WRF)、加权支持向量机(weighted support vector machine,WSVM),与RF、SVM比较分类性能。模型评价指标为宏观平均精确率(macro-average of precision,macro-P)、宏观平均召回率(macro-average of recall,macro-R)、宏观平均F1值(macro-average of F1-score,macro-F1)、准确率(accuracy,ACC)、Kappa值和AUC(area under the ROC curve)。结果ADASYN-RF的分类性能最优(Kappa值为0.938,AUC为0.980),ADASYN-SVM次之。利用ADASYN-RF预测得到的重要分类特征分别为CDRSB、LDELTOTAL、MMSE,在临床上均可得到证实。结论ADASYN与类别逆比例加权法都能辅助提升分类器性能,但ADASYN算法更优。
文摘为解决中频感应加热电源在受到温度、工件材质等因素变化影响时固有频率发生波动的问题,提出了一种基于模数转换(Analog to Digital,A/D)采样优化的感应加热电源谐振频率自适应追踪方法。在一个感应加热电源的输出周期内,细化电流A/D采样过程,找到输出电流与电压的相位差并判断系统状态。在优选A/D采样次数的基础上,设计自适应调节机制来追踪谐振频率,使系统达到准谐振状态。以TMS320F28335控制芯片为基础搭建感应加热电源样机,对所采用频率自适应追踪方法进行了验证。实验结果表明,频率自适应追踪方法在环境温度变化剧烈时可避免系统受到干扰,并且能在无硬件过零检测电路的情况下快速追踪负载的谐振频率。
基金Project(2022YFB2603301) supported by the National Key R&D Program of ChinaProject(52078498) supported by the National Natural Science Foundation of China+3 种基金Project(2022JJ30745) supported by the Natural Science Foundation of Hunan Province of ChinaProject(2020TJ-Q19) supported by the Hunan Provincial Science and Technology Promotion Talent Project,ChinaProject(2023QYJC006) supported by the Frontier Cross Research Project of Central South University,ChinaProject(2021-Special-04-2) supported by the Science and Technology Research and Development Program Project of China Railway Group Limited。