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。

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。

二元逻辑回归模型中的修正Liu估计

在二元逻辑回归模型中,基于修正岭型估计和Liu估计的思想,提出了一类新的有偏估计作为极大似然估计的替代估计,以期克服多重共线性的影响。在均方误差矩阵意义下,探讨得到了修正Liu估计优于Liu估计、修正岭型估计、极大似然估计等的条件,通过数值模拟和实证分析对部分理论结果在均方误差准则下进行了验证。结果表明,在一定条件下,当模型存在多重共线性时,修正Liu估计优于Liu估计、修正岭型估计以及极大似然估计。

二元逻辑回归模型中的一阶近似刀切修正岭型估计

在二元逻辑回归模型中,基于一阶近似修正岭型估计方法和刀切法提出了一类新估计,即一阶近似刀切修正岭型估计,探讨得到了新估计在均方误差等准则下优于一阶近似修正岭型估计、一阶近似极大似然估计的充分条件,同时通过数值模拟和实证分析对部分理论结果进行了说明,结果显示,当满足理论结果中的条件时,一阶近似刀切修正岭型估计在相关准则下优于一阶近似修正岭型估计、一阶近似极大似然估计。

基于逻辑回归模型的流量计算方法优选

在推求水位流量关系时,不同水流状况适用的计算方法往往不同。为自动优选流量计算方法,以新安江水库库区街口水文站为研究对象,提出了基于逻辑回归模型的流量计算方法优选模型。分别采用二线能坡法和落差指数法进行流量计算,借用逻辑回归模型的大数据分析,依据实时水流状况进行流量计算结果优选,并根据率定结果自我学习,不断优化参数,提升优选准确率。结果表明:新安江水库库区回流状况的准确判定对流量计算结果精度影响较大,模型能够依据实时的上下游水位差、代表线流速等水流状况判断当前水流是否出现回流,从而智能优选流量计算方法。该方法推流结果合理,精度高于单一算法。

基于XGBoost机器学习模型的信用评分卡与基于逻辑回归模型的对比

分别基于逻辑回归模型和XGBoost机器学习模型构建了信用评分卡,比较了两种模型在个人信用评分上的表现,指出XGBoost机器学习模型在“AUC、KS、F1和Accuracy值”上表现更加优秀.首先,从数据的包容性、可解释性以及模型的准确性方面对两个模型进行了对比;其次,使用住房贷款违约风险预测的竞赛数据,分别构建了基于逻辑回归模型和XGBoost机器学习模型的信用评分卡,并使用了AUC、KS、F1和Accuracy来评估这两个模型的分类效果和预测准确程度;最后,通过对比两个模型的评估结果,分析了XGBoost机器学习模型相较于逻辑回归模型更加优秀的原因.结论指出:XGBoost机器学习模型在测试集上的AUC、KS、F1和Accuracy值比逻辑回归模型分别提升了19.9%、17.5%、15.4%和11.9%,其原因在于XGBoost机器学习模型纳入了更多的维度信息、更加科学的缺失值处理方式以及考虑了正则化项的算法原理.

基于信息量-逻辑回归模型的江西省婺源县地质灾害易发性评价

江西省婺源县位于中低山、丘陵地区,是省内地质灾害重点防治区之一,近年来滑坡、崩塌等地质灾害活动不断加剧,给当地居民财产及人身安全造成重大威胁。基于婺源县野外调查资料及最新的地质灾害数据,选取坡度、高程变异系数、斜坡结构、地貌类型、工程岩组、归一化植被指数(NDVI)、道路缓冲区、断层缓冲区8个评价因子,采用信息量-逻辑回归模型对研究区进行地质灾害易发性评价及分区。结果表明:研究区地质灾害高易发区呈线状分布且多位于道路100 m范围内;中易发区呈带状分布且多位于断层300 m范围内;低易发区主要分布在断裂不发育,人类工程活动少,植被覆盖较多且岩层较坚硬的低山丘陵区域。通过对评价结果进行合理性检验及精度检验,表明分区结果与实际情况吻合度较好,评价结果精度较高,可为婺源县后期的地质灾害防治工作提供参考。

基于信息量-逻辑回归模型的怒江州滑坡灾害易发性评价

为了解决用单一模型进行滑坡灾害易发性评价效果不佳的问题,本文构建了耦合模型对滑坡灾害易发性进行研究。选取典型高山峡谷区怒江傈僳族自治州(简称怒江州)为研究区;选用离断层距离、离河流距离、离道路距离、工程地质岩组、海拔、坡度、坡向、土地利用类型8个滑坡影响因子构建评价指标体系;运用二元逻辑回归法、信息量法、确定性系数法分别进行滑坡灾害易发性研究,构建了信息量-逻辑回归模型,并分别与上述三种方法各自所得结果作对比;结合均方根误差、最小值和平均值统计及受试者工作特征曲线进行检验与比较。结果表明:极高和高易发区主要分布在怒江、澜沧江、独龙江沿岸及道路两侧,符合研究区实际情况,表明评价指标和评价模型的选取具有合理性;所建信息量-逻辑回归模型(0.883)比信息量(0.874)、确定性系数(0.848)、二元逻辑回归(0.869)模型更具优势。

基于信息量和逻辑回归耦合模型的黄土地震滑坡危险性分析

黄土地震滑坡危险性分析对黄土地区城镇化、工程建设的规划和地震灾害预防具有重要意义。以甘肃省定西市岷县—漳县交界处为研究区域,通过统计分析该区历史地震滑坡灾害数据,归纳并建立包含地震、坡度、坡高、坡向、地层岩性、年平均降雨量、河流流域和地貌类型等8个影响因子的评价指标体系,采用信息量模型、逻辑回归模型和信息量-逻辑回归耦合模型分别分析该区域黄土地震滑坡危险性。结果表明:(1)地震、河流和降雨是诱发黄土滑坡灾害发生的主要因素,其中地震因子贡献率最大;(2)研究区可划分为高、较高、中、低和极低危险区五个等级,其中高危险区主要集中于岷县、漳县与陇西县等地;(3)根据受试者工作特性(ROC)曲线精度检验结果,三种模型的AUC值分别为0.889、0.617和0.898,信息量-逻辑回归耦合模型结果的精确性相比其他两个模型更高。

基于挥发性成分定性判别风味油茶籽油掺伪浸出油茶籽油PCA模型和逻辑回归模型的对比分析

为了解决风味(原香和烤香)油茶籽油掺伪浸出油茶籽油的定性判别问题,设计高、低两个掺伪梯度,基于挥发性成分构建并对比分析了定性判别风味油茶籽油掺伪浸出油茶籽油的主成分分析(PCA)模型和逻辑回归模型。结果表明:逻辑回归模型定性判别风味油茶籽油掺伪浸出油茶籽油的能力较强,优于PCA模型;高掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的最低检出限分别为20%和60%,而逻辑回归模型的最低检出限均为10%;低掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的判别不准确,而逻辑回归模型的最低检出限均为4%。逻辑回归模型能很好地定性判别风味油茶籽油掺伪浸出油茶籽油。

基于逻辑回归算法的移植肾功能延迟恢复发生风险因素分析及预测模型的建立

目的利用机器学习算法探究与移植肾功能延迟恢复(delayed graft function,DGF)发生相关的风险因素并建立预测模型。方法收集2018年1月至2020年3月华中科技大学附属同济医院器官移植研究所实施的公民逝世后捐献供肾和肾移植受者的临床资料以及供肾活检病理资料,通过贪心算法筛选与DGF发生相关的因素的贡献度,再利用逻辑回归算法建立预测模型并利用模型精确度,受试者工作特性曲线下面积(area under the receiver operating characteristic curve,AUROC)对模型效果进行评估。结果术后DGF的发生率为21.9%。与术后DGF发生相关性较高的因素包括供者体型、末次尿素氮、冷缺血时间、供器官小动脉病变范围、慢性肾小管萎缩评分(ct)和慢性间质纤维化评分(ci)。使用上述因素建立预测模型,模型的AUROC约为0.71,预测准确率约为0.73。结论利用机器学习算法可以分析DGF发生的风险因素并建立预测模型,以供临床预测DGF的发生风险。

基于信息量、加权信息量与逻辑回归耦合模型的云南罗平县崩滑灾害易发性评价对比分析

以罗平县崩滑地质灾害为研究对象,选取工程岩组、坡度、坡向、高程、起伏度、曲率、地貌类型、距河流距离、距断裂距离9个评价因子,基于共线性诊断和相关性分析对其进行独立性检验。然后采用信息量法计算各评价因子分类分级的信息量值,采用层次分析法和逻辑回归法对各评价因子进行权重的定量计算,从而构建信息量、加权信息量和信息量-逻辑回归耦合易发性评价模型并进行对比分析。基于GIS的自然断点法将评价结果划分为非、低、中和高4个等级,并采用ROC曲线对其精度进行检验。结果表明:3种评价模型的AUC值分别为0.757、0.723和0.852,信息量-逻辑回归耦合模型的精度最高,模型结果分区与崩滑地质灾害点的分布较吻合,其非、低、中和高的面积(分级比)分别为771.1 km^(2)(25.55%)、836.6 km^(2)(27.73%)、864.36 km^(2)(28.64%)和545.94 km^(2)(18.08%)。

基于决策树和逻辑回归算法的辅具适配模型研究与实现

目的:为实现辅具适配过程中用户自主自助及辅具适配的精准预测,研究建立辅具适配模型。方法:通过调查问卷的方式收集到102份辅具配置信息作为数据集,基于决策树和逻辑回归算法建立辅具适配模型。使用python语言实现模型并绘制主要参数对模型性能的影响,优化后,计算准确率、召回率和F1分数评价模型的预测能力。结果:基于决策树算法建立模型准确率达到0.91,且召回率和F1分数性能指标分别为0.91和0.90。基于逻辑回归算法建立的模型性能较低。结论:本研究以患者使用辅具目标等信息为特征建模。基于决策树算法建立的模型性能优于逻辑回归模型,具有实用价值。

基于自适应LASSO的逻辑回归砂土液化判别模型

逻辑回归模型在国际上常用于地震液化判别,但该方法难以处理过多影响因素引发的共线性问题,进而严重影响模型的预测精度.能同时进行变量筛选和参数估计的自适应LASSO在处理共线性问题上有着独特的优势.因此,本研究以国内外533组历史液化案例为样本,在综合考虑地震液化多影响因素的基础上,引入自适应LASSO估计法,对逻辑回归液化判别模型进行优化,建立了基于自适应LASSO的逻辑回归砂土液化判别模型,该模型还包括了新的液化影响因素——土壤分类指数Ic,最后对重要液化影响因素进行敏感性分析.结果表明:针对因素过多的液化判别问题时,自适应LASSO逻辑回归模型可有效地选择重要因素进行建模;相比其它逻辑模型模型和简化方法,自适应LASSO逻辑回归模型精度更高,泛化能力更强;引入了新变量土壤分类指数Ic后,模型性能进一步提升,验证了建立逻辑回归液化判别模型时考虑Ic的重要性;敏感性分析发现重要影响因素的排序为:修正尖端阻值、峰值加速度、土壤分类指数、水位、细粒含量、侧壁摩阻值.

基于逻辑回归模型的小黑水河流域泥石流易发性评价及熔断值选取

小黑水河流域属于中高山深切沟谷地貌,地形切割较大,高差在500-1000m,坡体上松散堆积层发育,为泥石流提供大量物源,发育泥石流灾害25处。在分析泥石流发育分布与影响因素的基础上,本文选取流域面积、相对高差、平均坡度等6个指标,采用逻辑回归模型(LR)进行易发性评价,通过制作易发性综合指数累积频度曲线,按照曲线分布特点选取熔断值。研究结果表明,采用逻辑回归模型(LR),根据易发性综合指数累积频度曲线选取熔断值所计算得出的易发性分区结果与研究区实际情况相近,对高山深切沟谷地区泥石流易发性评价提供参考。

基于逻辑回归下学生行为与成绩的关系的研究

随着信息技术的飞速发展,大数据在教育领域的作用也愈发明显,校园一卡通的广泛运用和综合素质测评表为教育数据的收集和挖掘提供了基础.定量地了解学生的日常行为、身心健康和学习成绩之间的关系是迈向个性化教育的重要一步.本文以高校学生数据为例,借助校园一卡通和综合素质测评表,获取学生原始数据,运用聚类和相关关系,进一步挖掘成绩与表现之间的关系,主要工作如下:基于西部一所工科院校理学院800名本科生的校园一卡通和综合素质测评表的数据,考虑到学生数据的复杂性,利用Pearson相关性探索聚类数目,采用K-means聚类的方法对不同的日常行为和成绩进行聚类,在聚类的基础上建立多项逻辑回归模型并对测试集中的学习成绩进行预测,从不同等级的自变量中得出不同因变量所属的类别,从预测类别中找出最佳预测倾向,发现模型在成绩等级为2的倾向上准确率更高。基于以上分析,学生和家长可以拓展除了勤于学习以外的途径提高学习成绩,还可以更深入地关注学生的身心健康、饮食规律等,此外,教师可以根据学生个性的不同进行教学,采取不同方法提高学生成绩。

基于信息量、信息量-逻辑回归模型综合法的地质灾害易发性研究——以诸暨市马剑镇为例

为研究信息量模型综合法和信息量-逻辑回归模型综合法这2种方法在乡镇地质灾害风险评价中地质灾害易发性的可靠性,选取浙北诸暨市马剑镇为研究对象,通过运用定量化的数学统计原理,选取坡度、坡向、高差、坡型、覆盖层厚度、岩性与岩土结构、斜坡结构、与构造间距离和切坡高度9个影响因子,采用信息量模型和信息量-逻辑回归模型,结合沟谷泥石流易发性评价,对划定的斜坡单元进行综合评价。结果显示,这2种综合法均能相对客观、准确地评价地质灾害的易发性,AUC值分别为0.901和0.899,表明信息量模型综合法在合理性和准确度方面略高。该研究为相关乡镇的地质灾害风险调查评价提供了重要的技术支持。