基于AdaBoost特征选择和XGBoost的帕金森病诊断

作     者：谭言丹 赵阳洋 赵光财 TAN Yan-dan;ZHAO Yang-yang;ZHAO Guang-cai

作者机构：中国科学院海西研究院福州350002 中北大学电气与控制工程学院太原030051 厦门理工学院光电与通信工程学院福建厦门361024 中国科学院大学北京100049 

出 版 物：《信息技术》 (Information Technology)

年 卷 期：2020年第44卷第9期

页      码：124-128页

摘      要：为实现准确的帕金森病(PD)早期诊断,文中提出基于语音信号的集成学习诊断方法。基于AdaBoost的特征筛选方式被设计来获得最优目标特征子集,其中过多的弱分类器能习得更多目标特征,而计算复杂度和更多不相关特征被习得的风险也随之增加。相反地,较少弱分类器能降低计算复杂度,然而涉及信息丢失问题。为获得最优弱分类器方案,文中基于监督学习获得最优弱分类器配置。最后,为提升所提出方法的泛化性能,基于正则化损失函数的XGBoost被开发来实现最终病情诊断。实验结果显示,所提出方案的精度(97.28%)相比其它先进算法提升了1.93%。

主 题 词：帕金森病 语音数据集 集成学习 AdaBoost XGBoost 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.13274/j.cnki.hdzj.2020.09.025

馆 藏 号：203978528...