-
题名基于XGBoost的颈动脉硬化检测仪自动诊断研究
- 1
-
-
作者
董雪
-
机构
宝鸡文理学院
-
出处
《自动化与仪器仪表》
2024年第4期230-234,共5页
-
基金
陕西省教育厅自然科学专项(21JK0473)。
-
文摘
血管学高速发展的背景下,有关颈动脉的自动化诊断获得社会各界广泛关注。但是常规方法在面对复杂环境时,会产生不可忽视的误差。为了解决这个问题,此次研究在极限梯度提升算法中加入特征集合方法,并使用权重因子优化数据挖掘技术,生成融合算法。并在该算法中添加二叉树规则,生成融合算法。最后,研究在Sclero数据集上进行实验,并与黄金正弦等三种系统进行比较。在一天内,融合系统的耗电量为0.21 kW*h,在四种系统中耗电最低。经过一个月的诊断,患者颈动脉的硬化评分分别为2.8、3.0、3.1和3.4,说明研究提出方法的治愈效果最好,且其血液流速评分为3.2,说明该方法对患者的适应度最高。实验结果表明,研究提出的融合系统在实验精度、患者颈动脉硬度诊断均获得最优效果,适于对颈动脉硬化患者进行诊断。
-
关键词
数据挖掘
权重因子
极限梯度提升算法
特征集合
二叉树规则
颈动脉硬化
自动诊断
-
Keywords
data mining
weight factor
limit gradient lifting algorithm
feature set
bifurcation tree rule
carotid atherosclerosis
automatic diagnosis
-
分类号
F274
[经济管理—企业管理]
F407.67
[经济管理—国民经济]
-
-
题名基于CNN和XgBoost的香蕉成熟度判别
- 2
-
-
作者
韩雪
张磊
赵雅菲
王聪
-
机构
徐州开放大学
河南师范大学
开封大学
江苏理工学院
-
出处
《食品与机械》
CSCD
北大核心
2024年第4期127-135,178,共10页
-
基金
江苏省教育研究课题(编号:XHYBLX2023285)
江苏开放大学“十四五”科研规划课题(编号:2022KF007)。
-
文摘
目的:提高香蕉成熟度的判别准确率。方法:基于卷积神经网络和极限梯度提升算法建立香蕉成熟度的判别方法。先通过卷积神经网络提取香蕉图像特征,并采用全连接层网络和线性判别分析方法精简香蕉图像特征;通过贝叶斯优化算法优化极限梯度提升算法超参数;将简化后的香蕉图像特征输入极限梯度提升算法,通过极限梯度提升算法对香蕉成熟度进行判别。结果:所提方法对香蕉成熟度的判别准确度为91.25%;与已有方法相比,所提方法对小数据量香蕉的成熟度判别准确率明显提高。结论:该方法可实现被测香蕉成熟度的准确判别,有助于仓库经理、出口商实时监测香蕉的成熟度状况。
-
关键词
香蕉
成熟度判别
卷积神经网络
极限梯度提升算法
小数据量
-
Keywords
banana
maturity discrimination
convolutional neural network
limit gradient lifting algorithm
small data volume
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—计算机科学与技术]
TS255.7
[轻工技术与工程—农产品加工及贮藏工程]
-
