基于迁移学习和逻辑回归模型的花卉分类研究

【目的】不同种花卉之间的相似性以及同种花卉内部的多变性加大了花卉图像分类难度,其难点是要人工设计出能充分体现花卉颜色、形状和花瓣形态等特征的特征提取方法。传统的花卉图像分类方法的精度不高且模型的泛化能力较差,这些问题亟待解决。【方法】课题组提出一种基于数据增强的VGG16迁移学习卷积神经网络提取花卉图像特征,再训练多类逻辑回归模型的花卉图像分类识别方法;并且通过在flowers17和flowers102花卉数据集上进行测试,来验证课题组所提出的花卉分类识别方法的有效性。【结果】课题组所提出的花卉分类识别方法在flowers17和flowers102数据集中分别达到了97.89%和92.10%的分类精度,高于现有其他花卉图像分类方法。【结论】通过预训练的深度人工神经网络提取的高区分度的花卉图像特征,优于人工设定的花卉图像特征,能训练出更高效精准的花卉识别分类器。基于本研究内容,下一步可对VGG16网络进行降维改进,让模型参数减少,从而实现快速实时应用。

基于随机临近嵌入和逻辑回归的滚动轴承可靠性评估

提出了一种基于随机临近嵌入与逻辑回归模型相结合的滚动轴承运行可靠度评估方法,该方法可以解决滚动轴承运行过程中存在的可靠度问题。首先,对振动信号进行特征提取,构成特征参数集;其次,使用随机临近嵌入降维算法对特征参数集降维,构成低维特征向量集;再次,引用小波去噪法对特征向量集进行降噪处理;最后,将降噪后的数据带入逻辑回归模型中评估滚动轴承的可靠性,并由西安交通大学滚动轴承振动信号数据集证明了该方法的有效性。

基于决策树-逻辑回归模型的心脏病影响因素

为了研究心脏病的影响因素问题,借助在UCI数据库中提取的心脏病数据集,提出一种决策树-逻辑回归的心脏病影响因素识别方法。为了验证该方法的有效性,以准确率、F1分数、特异性等作为模型评价指标。实验结果表明,决策树-逻辑回归显示胸痛类型、地中海贫血的血液疾病、达到的最大心率和荧光检查染色体的主要血液数量是心脏病的影响因素。从模型评价来看,所提出的决策树-逻辑回归模型各指标均比逻辑回归和决策树要高,与此同时,ROC曲线下面积的AUC值达到0.858,说明该模型对分析心脏病因素效果和模型拟合更好,验证了该模型的有效性。

基于旋转粒化的逻辑回归算法

逻辑回归(LR)作为监督学习的二元分类广义线性分类器,在处理线性数据方面表现出结构简单、解释性强,拟合效果好的特点。然而,当面对高维、不确定性和线性不可分数据时,逻辑回归的分类效果受到限制。针对逻辑回归的固有缺陷,引入粒计算理论,借助粒化的优势提出一种新型的逻辑回归模型:旋转粒逻辑回归。通过引入旋转粒化理论,在特征两两组合形成的平面坐标系上旋转不同角度,构建旋转粒子,多平面坐标系上粒化构造旋转粒向量。进一步定义粒的大小、度量和运算规则,提出旋转粒逻辑回归的损失函数。通过求解损失函数,得到旋转粒逻辑回归的优化解。最后,采用多个UCI数据集进行实验,从多个评价指标比较的结果表明旋转粒逻辑回归模型的有效性。

基于逻辑回归模型的喜德县滑坡易发性评价

【目的】系统分析喜德县地质灾害发育特征及规律,为当地地质灾害防治提供参考。【方法】以喜德县为研究区域,选取11个影响因子,分析滑坡的空间分布规律,并通过建立逻辑回归模型,对喜德县滑坡灾害进行易发性评价。【结果】结果表明:喜德县滑坡分布于高程2000~2600 m;坡度10°~30°;坡向为东北方向;坡位为中坡;距道路距离小于100 m;距水系距离小于200 m;距村落距离小于500 m;距断层距离为小于3500 m;NDVI为0.7~0.8;地层为白垩系;土地利用为耕地。滑坡高易发区位于鲁基断裂、冷都基断裂、米市河断裂、扎都断裂带周边地区。【结论】滑坡易发性分区结果可直接用于滑坡灾害的防治工作中,对工程建设选址也具有一定的参考价值。

逻辑回归模型下激光传感器网络安全态势感知

为了分析不同威胁传播对激光传感器网络系统的影响,准确且全面评估系统的安全性,提出一种逻辑回归模型下激光传感器网络安全态势感知方法。将邻域粗糙集和逻辑回归模型结合,提取激光传感器网络安全态势要素。通过分析获取其不同要素的非时间序列特点,采用径向基函数(Radial Basis Function,RBF)神经网络获取网络安全态势值的非线性映射关系,构建激光传感器网络安全态势感知模型,引入混合递阶遗传算法对模型求解处理,实现网络安全态势感知。实验结果表明,所提方法获取激光传感器网络安全态势精度为96.4%,其安全态势值与实际值的误差保持在-3~3,可以获取精准的激光传感器网络安全态势变化情况,表明该方法具有一定的应用价值。

基于舌象特征逻辑回归的肺癌风险预警模型研究

目的分析良恶性肺结节的客观化舌诊数据特征,并基于逻辑回归方法建立肺癌风险预警模型。方法选取2020年7月-2022年3月上海中医药大学附属龙华医院肿瘤科263例肺癌患者(肺癌组),上海中医药大学附属曙光医院体检中心292例良性肺结节患者(良性肺结节组)和307例健康体检者(健康对照组),使用TFDA-1型数字舌面诊仪采集3组受试者的舌象图像,通过特征提取技术获取舌象客观诊断特征,分析3组受试者舌象指标分布特征,通过特征筛选后基于逻辑回归方法建立肺癌预警模型,并使用敏感性、特异性、准确率及受试者工作特征(ROC)曲线下面积(AUC)评估模型性能。结果良性肺结节组舌象特征与健康对照组相近;肺癌组与健康对照组、肺癌组与良性肺结节组舌象特征差异较大,肺癌患者舌象偏晦黯、舌质偏红、舌苔偏薄黄腻。基于舌象数据的肺癌预警模型准确率为70.09%、敏感性为69.94%、特异性为70.29%、AUC为0.769。在舌象数据集基础上加入基线信息后重新建模,模型诊断效能提升,基于基线信息与舌象数据的新模型准确率为77.30%、敏感性为75.94%、特异性为79.15%、AUC为0.812。结论良性肺结节患者与肺癌患者客观舌象数据统计特征存在显著差异,基于舌象客观数据的肺癌分类模型表现良好,中医客观舌诊数据可为良性肺结节和肺癌的鉴别诊断提供参考。

基于逻辑回归分析构建超声刀使用风险管理模型与验证

目的:基于逻辑回归(LR)算法构建超声刀使用风险管理模型,提高超声刀风险管理质量。方法:基于LR算法构建超声刀使用风险管理模型并进行模型验证。选取2022—2023年上海市肺科医院临床在用的28台超声刀,以时间为节点,将2022年设备使用期间采用常规管理模式进行管理,2023年设备使用期间采用LR风险管理模型(简称风险管理)进行管理,采用自制评估量表对比两种管理模式的超声刀风险管理质量评分、风险预警评分以及参与设备使用管理人员体验评分。结果:采用风险管理模式的超声刀保养记录、使用状态记录、资料入档、保养牌悬挂和报废处理质量评分的平均分分别为(9.54±0.37)分、(9.67±0.34)分、(9.73±0.21)分、(9.18±0.35)分和(9.92±0.31)分,均高于常规管理模式,差异有统计学意义(t=55.666、32.235、49.511、40.311、23.122,P<0.05);采用风险管理的超声刀使用风险识别准确性、预警及时性和防控全面性风险预警评分的平均分分别为(9.66±1.20)分、(9.92±1.48)分和(9.87±1.04)分,均高于常规管理模式,差异有统计学意义(t=11.840、8.371、8.032,P<0.05);参与超声刀预防养护人员、维修人员和操作人员对采用风险管理模式的超声刀使用体验平均评分分别为(96.61±6.08)分、(95.07±5.19)分和(97.73±5.93)分,均高于常规管理模式,差异有统计学意义(t=4.991、4.156、4.870,P<0.05)。结论:基于LR算法构建超声刀风险管理模型应用于超声刀使用管理,可提高超声刀风险管理质量,规避风险隐患,提升超声刀临床使用的安全性与稳定性。

基于组合结构的逻辑回归点击预测算法

随着互联网和广告平台的飞速发展,面对海量的广告信息,为了提升用户点击率,提出一种改进的基于组合结构的逻辑回归点击预测算法LRCS(Logical Regression of Combination Structure)。该算法基于不同类别特征广告受众可能不同的特点,首先,采用FM进行特征组合,产生两类组合特征;其次,将一类特征组合作为聚类算法的输入进行聚类;最后,将另一类特征组合输入由聚类产生的分段GBDT+逻辑回归组合的模型中进行预测。在两个公开数据集中进行了多角度验证,结果表明与其他几类常用的点击预测算法相比,LRCS在点击预测上有一定的性能提升。

基于多肿瘤标志物和特征筛选的逻辑回归方法诊断良恶性胸腔积液的研究

目的基于特征筛选算法探索利用胸腔积液和血清中CEA、CA125、CA153和CA199四种肿瘤标志物的组合与筛选对鉴别良、恶性胸腔积液的诊断价值。方法收集北京朝阳医院和武汉某医院收治的胸腔积液患者共452例,其中恶性胸腔积液患者143例、良性胸腔积液患者309例;取胸腔积液及配对血清标本,用化学发光法检测CEA、CA125、CA153和CA199浓度,辅以患者性别、年龄和医院所在城市三项人口学变量,首先应用独立性检验进行变量初筛,而后应用带惩罚项的逻辑回归和基于逻辑回归的模拟退火算法和遗传算法进行标志物筛选,根据受试者工作特征曲线下面积(area under the curve,AUC)和DeLong检验进行模型诊断效果的评估和比较。结果特征筛选结果以及回归系数和SHAP(shapley additive explanations)值一致表明胸腔积液CA199、CA153联合血清CEA为最优肿瘤标志物组合;在测试数据集上,该指标组合达到最高诊断精度(AUC=0.923),显著高于最优单标志物模型(AUC=0.877,P<0.001)和全标志物模型(AUC=0.906,P=0.044),灵敏度和特异度分别达到0.811和0.939。结论多项肿瘤标志物的联合应用相较单一标志物能够显著提升模型诊断精度,且合理的标志物筛选策略对提升诊断精度和简化模型有进一步帮助;本文推荐联合胸腔积液中CA199和CA153以及血清中CEA来建立诊断模型,并提供了该模型的列线图和实用化的网页计算器,为辅助临床诊断提供便利。

基于逻辑回归和支持向量机耦合模型的滑坡易发性分析

滑坡灾害的发生具有累进性,进行滑坡易发性评价是防灾减灾的前提。以四川省旺苍县为例,使用频率比法判断12个滑坡影响因子的各分级区间滑坡敏感性,经波段集统计确定11个滑坡影响因子作为滑坡易发性评价因子,通过建立逻辑回归-支持向量机(logistic regression-support vector machine,LR-SVM)耦合模型,搭建滑坡易发性评价体系,完成旺苍县滑坡易发性评价并进行模型精度比较。研究结果表明:逻辑回归-支持向量机耦合模型的评价指标结果均优于逻辑回归模型,易发性分区结果更合理,预测精度更高;在低易发区选取非滑坡点为提高滑坡易发性评价性能作用明显;研究区内道路、高程和NDVI对滑坡发育的敏感性较强;高易发区主要分布于低海拔的水系和道路两侧。

比例优势逻辑回归优化嗓音障碍指数算法

针对嗓音障碍指数在提取传统声学特征参数时,缺少对非传统声学特征参数的分析优化问题,本文提出一种基于有序比例优势逻辑回归的优化嗓音障碍指数算法。首先,提取频谱平坦度并与嗓音障碍指数进行相关性分析;其次,运用比例几率逻辑回归方法,得到新的嗓音障碍指数方程;最后,对数据库中所取样本的本文优化算法指数和传统嗓音障碍指数进行对比分析。本文优化算法拓宽了DSI的取值范围。将本文算法应用于嗓音障碍分级中,实验结果表明该算法能够有效地确定嗓音障碍指数数值并能迅速得到良好的分类结果。

基于空间逻辑回归模型的滑坡易发性评价

滑坡是山地丘陵地区发生最频繁、危害性最强的地质灾害之一。进行滑坡易发性评价对于人们进行土地灾害评估和减轻滑坡相关损失是十分必要的。在过去的几十年里,已经开发了许多种模型用于滑坡评估和易发性分级,但这些模型大多数并未考虑数据的空间结构信息,预测精度还有待提高。研究使用随机森林模型筛选风险因子后对四川雅安芦山地区震后滑坡使用贝叶斯空间逻辑回归进行建模,并与普通未考虑空间结构信息的逻辑回归建模结果进行比较。贝叶斯空间逻辑回归的AUC值为0.931,在传统逻辑回归的基础上提升了近14%,为滑坡易发性评价带来了新的思路。

基于逻辑回归模型的凉山州滑坡易发性评价

凉山州地质环境复杂,地质灾害频发,为了防止凉山州因灾致贫、因灾返贫,对凉山州滑坡灾害进行易发性评价。选择10个因子,分析因子与滑坡的分布规律,并建立逻辑回归模型对凉山州滑坡灾害进行易发性评价。结果表明:凉山州滑坡分布于高程1 800 m~2 300 m;坡度10°~30°;坡向为东方向;坡位为中坡;距道路距离和距断层距离为小于2 km,NDVI为0.7~0.8;TWI为2~4;岩组为碎屑岩;土地利用类型为耕地。滑坡极高易发区位于凉山州中部安宁河、则木河断裂带两侧和东部汉源-甘洛带、峨边-金阳断裂带两侧。

基于逻辑回归模型的伊犁某区域黄土滑坡易发性评价

【目的】伊犁地区以滑坡为主的地质灾害时有发生,给当地带来了人员伤亡和财产损失,灾害防治形势严峻,需要对当地的滑坡易发性展开研究。【方法】以新疆伊犁州某黄土区为研究区,选取高程、坡度、坡向、坡位、距道路距离、距河流距离、距断层距离、多年平均降雨量、NDVI等9个因子作为滑坡影响因子,建立滑坡易发性评价指标体系,分析因子与滑坡的分布规律。运用逻辑回归模型对研究区滑坡灾害进行易发性评价,并通过ROC曲线对评价结果进行验证。【结果】结果表明:研究区滑坡分布于高程1400~2000 m、坡度10°~30°、坡向为东方向、坡位为中坡和上坡、距断层0~1000 m、NDVI指数为0.7~0.8、降雨量为350~360 mm、距河流距离小于300 m的地区;高易发区和极高易发区主要分布在皮里青河和吉尔格朗河之间的一片低山丘陵区域;逻辑回归模型精度较高,ROC曲线的AUC值均在80%以上。【结论】研究获取的滑坡分布规律和易发性评价结果,可为该区域的滑坡防灾减灾和工程建设规划等提供参考。

基于逻辑回归的衡阳市高职毕业生离职问题研究

近年来,我国每年的应届高职毕业生在半年内发生离职的比例超过40%,这一现象应当引起各方广泛关注。本文向2022届衡阳市高职毕业生发放调查问卷,基于逻辑回归研究了2022届衡阳市高职毕业生对公司的满意度、月均考核评分、月均项目数量、月均工作时长4个工作特征与毕业一年内是否发生离职行为的相关关系。研究结果表明,2022届衡阳市高职毕业生毕业一年内发生过离职行为的比例为53.49%,毕业生对公司的满意度、月均考核评分与发生离职行为存在负相关关系,毕业生月均项目数量、月均工作时长与发生离职行为存在正相关关系。

基于逻辑回归的直流串联电弧故障检测算法与设计

针对光伏系统中直流串联电弧故障,搭建了直流电弧试验平台。利用霍尔电流传感器获得大量故障电流数据,从数据的时频域中提取了四个能反映电流与电弧故障关系的特征量;提出一种计算特征量变化量的方法,有效避免了传统固定阈值比较法难以适用于复杂多样工况的问题;利用机器学习逻辑回归方法,得到电弧故障的检测参数,通过大量数据验证,发现几乎不会有电弧错报情况。所提算法能够运用于嵌入式设备并部署在光伏系统用于电弧检测。

逻辑回归优化的静—动态耦合模型在滑坡位移预测中的应用

滑坡位移的准确预测是滑坡预警系统的重要组成部分。本研究提出一种基于逻辑回归优化的静—动态耦合滑坡位移预测模型,以应对滑坡演化的动态特性体现在传统静态预测模型中的不足。以八字门滑坡为案例进行研究,首先采用移动平均法将累积位移分解为趋势项和周期项两个部分,随后采用静态机器学习算法——支持向量回归(SVR)和动态机器学习算法——长短期记忆神经网络(LSTM)来预测滑坡位移;其次,通过引入逻辑回归分类算法(LR),在原输入因子的基础上进行筛选,对SVR模型和LSTM模型的预测结果进行分类计算;最后,通过逻辑回归模型的输出,更新静动态耦合模型的结果,得到优化的SVR-LSTM滑坡位移预测模型。结果显示,优化后的模型相较于SVR模型和LSTM模型,其RMSE和MAPE分别降低了5.93 mm、0.28%和0.71 mm、0.03%。集成模型融合了静态(SVR)和动态(LSTM)模型的优势,其预测性能优于单一的SVR模型和LSTM模型。本研究为滑坡位移预测模型提供了一种新思路,可以为三峡库区的地质灾害预测提供参考。

基于多变量逻辑回归的帕金森病认知障碍预测模型

帕金森病(Parkinson’s disease,PD)患者常伴随认知障碍,严重影响生活质量,因此对帕金森病认知障碍进行超前预测对于临床诊断和干预至关重要。然而,帕金森病受多变量因素(如年龄、性别、病程时间等)的耦合影响,使得认知障碍的超前预测面临严峻挑战。针对帕金森病认知障碍的多变量耦合特性,采用多变量逻辑回归方法,构建了一种新型列线图模型,旨在超前预测帕金森病患者发生认知障碍(cognitive impair‐ment,CI)的风险。首先,应用最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)算法对可能影响患者认知能力的风险因素进行了分析,筛选出相关性高的临床变量。其次,采用多变量逻辑回归方法分析各变量之间的相关性,构建可视化的新型列线图模型,实现对帕金森病认知障碍的风险超前预测。最后,模型性能评估结果表明新型认知障碍预测模型具有良好的准确性、一致性和临床实用性,可显著地提高临床医生的诊断效率。此外,该模型还实现了对同一预测因子不同值的患者数量及分布的可视化对比和分析,能够辅助临床医生根据每位患者的个人风险制定个性化的医疗管理和咨询方案,有助于更早地展开对患者的干预和治疗,具备一定的临床诊断价值。

基于模糊评判与逻辑回归耦合模型的混凝土输送过程可泵性能评价技术研究

判断混凝土在输送过程中可泵性能是避免管道堵管的关键。为此,本文提出一种基于模糊评判与逻辑回归耦合模型的混凝土输送过程可泵性能评价技术。首先建立施工过程中影响混凝土可泵性能相关因素评价体系,其次利用了层次分析法(AHP)求解各评价因子的主观权重值,再者基于逻辑回归方法对历史数据学习训练求出客观权重值,最后利用受试者工作特征(ROC)曲线对两者耦合模型进行检验。数据表明:模型预测结果的准确性较高,精确性较好。在泵车施工实际应用过程中,模型能够准确输出混凝土可泵性能并在操作侧可实时显示。