| 基于深度置信网络与梯度提升决策树的糖尿病检测方法 |
| |
| 作者姓名： | 曲文龙 宋晓明 曲嘉一 |
| |
| 作者单位： | 河北地质大学 信息工程学院,河北 石家庄 050031;河北地质大学 机器学习与人工智能实验室,河北 石家庄 050031;河北地质大学 信息工程学院,河北 石家庄 050031;河北科技大学 理学院,河北 石家庄 050031 |
| |
| 基金项目： | 河北省自然科学基金;河北省重点研发计划项目 |
| |
| 摘 要： | 针对糖尿病数据特征维度较高,单一分类器过度拟合导致性能受限,不能较好对糖尿病进行分类识别这一问题,提出了一种深度置信网(Deep Belief Networks,DBN)融合梯度提升决策树(Gradient Boosting Decision Tree,GBDT)的糖尿病检测算法(DBN-GBDT).该算法利用DBN对海量数据的特征提取和拟合复杂模型的能力,GBDT算法具有很强的泛化能力,将DBN用于特征提取和特征降维,GBDT方法用于分类.将提出的算法用于糖尿病数据分类识别,并与DBN、GBDT、SVM和随机森林四种经典方法进行对比.实验结果表明,该算法分类精度较高,稳定性更强,为糖尿病检测提供了新的方法.
|
| 关 键 词： | 糖尿病检测 深度置信网络 梯度提升 分类识别 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
