期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Borderline-SMOTE算法与Stacking集成学习的前列腺肿瘤风险预测研究
1
作者
熊思伟
刘玉琳
《现代肿瘤医学》
CAS
北大核心
2023年第16期3075-3081,共7页
目的:应用数据挖掘方法,建立高准确率的组合模型,对前列腺肿瘤患者的风险进行预测,为前列腺癌(prostate cancer,PCa)的预防和诊断提供参考。方法:选择在临床医学科学数据中心(301医院)进行前列腺穿刺活检的患者682例,运用互信息作为评...
目的:应用数据挖掘方法,建立高准确率的组合模型,对前列腺肿瘤患者的风险进行预测,为前列腺癌(prostate cancer,PCa)的预防和诊断提供参考。方法:选择在临床医学科学数据中心(301医院)进行前列腺穿刺活检的患者682例,运用互信息作为评价标准筛选出与PCa有关的特征属性;针对机器学习的XgBoost、Logistic回归、Adaboost、K近邻和随机森林算法构建单一模型,应用5折交叉验证算法筛选出预测能力较优的3种模型;使用过采样处理,构建基于Borderline-SMOTE的单一模型及构建基于Borderline-SMOTE的Stacking组合模型并探究不同组合方式的影响;最后选择301医院与芜湖弋矶山医院的37例临床病例作为外部验证集对模型进行检验。结果:通过互信息筛选出19个关键特征属性;在单一模型的研究中发现随机森林模型、XgBoost模型以及AdaBoost模型这3种模型表现较优;而基于Borderline-SMOTE的单一模型使得标签属性趋于平衡,AUC值有大幅提升;构建的3种基于Borderline-SMOTE的Stacking组合模型中以XgBoost、随机森林为初级分类器,AdaBoost为次级分类器的组合模型预测能力最好,其准确率为0.9454,召回率为0.9375,精确度为0.9573,F_(1)分数为0.9470,AUC高达0.9823,并且该组合模型在临床验证集上的预测也有较好效果。结论:Borderline-SMOTE过采样处理不平衡数据集十分有效,相较于单一模型的预测,基于多模型融合的Stacking集成学习方式的PCa风险预测方法有着更高的预测精度和良好的推广性能,更有助于PCa的临床诊断。
展开更多
关键词
前列腺肿瘤
互信息
Borderline-SMOTE
Stacking集成学习
下载PDF
职称材料
基于Wasserstein测度的概率犹豫模糊聚类方法
2
作者
张沙沙
刘小弟
张世涛
《模糊系统与数学》
北大核心
2023年第6期41-54,共14页
研究概率犹豫模糊距离测度及其聚类应用。针对现有概率犹豫模糊距离缺陷,如不满足距离的公理化定义、需对元素个数较少的概率犹豫模糊元进行扩充等,提出一种新的距离测度,应用于概率犹豫模糊信息聚类分析中。首先,考虑到Wasserstein距...
研究概率犹豫模糊距离测度及其聚类应用。针对现有概率犹豫模糊距离缺陷,如不满足距离的公理化定义、需对元素个数较少的概率犹豫模糊元进行扩充等,提出一种新的距离测度,应用于概率犹豫模糊信息聚类分析中。首先,考虑到Wasserstein距离可以度量概率分布之间的距离,将其引入到概率犹豫模糊环境下,定义了新的概率犹豫模糊距离及相似度公式。其次,运用新的相似度,提出一种改进的概率犹豫模糊聚类算法——概率犹豫模糊编网法,以解决现有概率犹豫模糊信息聚类结果不够精细的问题。最后,通过对钢铁企业聚类的实例验证所提方法的有效性和可行性。
展开更多
关键词
概率犹豫模糊集
Wasserstein距离
相似度
编网聚类
原文传递
题名
基于Borderline-SMOTE算法与Stacking集成学习的前列腺肿瘤风险预测研究
1
作者
熊思伟
刘玉琳
机构
安徽
工业大
学微电子与
数据
科学学院
工业大数据分析与智能决策安徽省联合共建学科重点实验室
出处
《现代肿瘤医学》
CAS
北大核心
2023年第16期3075-3081,共7页
基金
安徽省教学研究项目(编号:2020jyxm0212)
安徽省质量工程项目(编号:2021xxkc017)
大学生创新创业训练计划项目(编号:202110360319)。
文摘
目的:应用数据挖掘方法,建立高准确率的组合模型,对前列腺肿瘤患者的风险进行预测,为前列腺癌(prostate cancer,PCa)的预防和诊断提供参考。方法:选择在临床医学科学数据中心(301医院)进行前列腺穿刺活检的患者682例,运用互信息作为评价标准筛选出与PCa有关的特征属性;针对机器学习的XgBoost、Logistic回归、Adaboost、K近邻和随机森林算法构建单一模型,应用5折交叉验证算法筛选出预测能力较优的3种模型;使用过采样处理,构建基于Borderline-SMOTE的单一模型及构建基于Borderline-SMOTE的Stacking组合模型并探究不同组合方式的影响;最后选择301医院与芜湖弋矶山医院的37例临床病例作为外部验证集对模型进行检验。结果:通过互信息筛选出19个关键特征属性;在单一模型的研究中发现随机森林模型、XgBoost模型以及AdaBoost模型这3种模型表现较优;而基于Borderline-SMOTE的单一模型使得标签属性趋于平衡,AUC值有大幅提升;构建的3种基于Borderline-SMOTE的Stacking组合模型中以XgBoost、随机森林为初级分类器,AdaBoost为次级分类器的组合模型预测能力最好,其准确率为0.9454,召回率为0.9375,精确度为0.9573,F_(1)分数为0.9470,AUC高达0.9823,并且该组合模型在临床验证集上的预测也有较好效果。结论:Borderline-SMOTE过采样处理不平衡数据集十分有效,相较于单一模型的预测,基于多模型融合的Stacking集成学习方式的PCa风险预测方法有着更高的预测精度和良好的推广性能,更有助于PCa的临床诊断。
关键词
前列腺肿瘤
互信息
Borderline-SMOTE
Stacking集成学习
Keywords
prostate tumors
mutual information
Borderline-SMOTE
Stacking ensemble learning
分类号
R737.25 [医药卫生—肿瘤]
下载PDF
职称材料
题名
基于Wasserstein测度的概率犹豫模糊聚类方法
2
作者
张沙沙
刘小弟
张世涛
机构
安徽
工业大
学数理科学与工程学院
工业大数据分析与智能决策安徽省联合共建学科重点实验室
出处
《模糊系统与数学》
北大核心
2023年第6期41-54,共14页
基金
国家社科基金资助项目(22BGL211)
国家自然科学基金资助项目(72074001)
安徽省自然科学基金资助项目(2108085MG240)
文摘
研究概率犹豫模糊距离测度及其聚类应用。针对现有概率犹豫模糊距离缺陷,如不满足距离的公理化定义、需对元素个数较少的概率犹豫模糊元进行扩充等,提出一种新的距离测度,应用于概率犹豫模糊信息聚类分析中。首先,考虑到Wasserstein距离可以度量概率分布之间的距离,将其引入到概率犹豫模糊环境下,定义了新的概率犹豫模糊距离及相似度公式。其次,运用新的相似度,提出一种改进的概率犹豫模糊聚类算法——概率犹豫模糊编网法,以解决现有概率犹豫模糊信息聚类结果不够精细的问题。最后,通过对钢铁企业聚类的实例验证所提方法的有效性和可行性。
关键词
概率犹豫模糊集
Wasserstein距离
相似度
编网聚类
Keywords
Probabilistic Hesitant Fuzzy Set
Wasserstein Distance
Similar Degree
Netting Clustering
分类号
C934 [经济管理—管理学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于Borderline-SMOTE算法与Stacking集成学习的前列腺肿瘤风险预测研究
熊思伟
刘玉琳
《现代肿瘤医学》
CAS
北大核心
2023
0
下载PDF
职称材料
2
基于Wasserstein测度的概率犹豫模糊聚类方法
张沙沙
刘小弟
张世涛
《模糊系统与数学》
北大核心
2023
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部