文献检索-宁波市创意产业特色资源库

限定检索结果

基于AdaBoost特征选择和XGBoost的帕金森病诊断: 收藏
分享
引用; 《信息技术》2020年第9期44卷 124-128页; 作者：谭言丹赵阳洋赵光财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; 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...; 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%。; 来源：详细信息评论

限定检索结果