10.16208/j.issn1000-7024.2021.05.030
基于改进DNN的糖尿病预测模型设计
为预防和降低糖尿病发病率,对糖尿病进行有效的诊断预测,提出基于改进DNN的糖尿病预测模型.在DNN基础上引入批归一化(batch normalization,BN)层,有效解决梯度消失、局部最优解等问题,提高模型预测准确度.实验在UCI公开的皮马印第安人糖尿病数据集(PIDD)上进行,利用XGBoost算法进行最优特征选择后,构建改进的DNN模型进行预测.为了验证模型的有效性,将其与其它算法进行比较,实验结果验证了该模型在准确率、精准率、召回率、灵敏度和特异度方面的优越性.
糖尿病预测、特征选择、批归一化、深度神经网络、交叉验证
42
TP391(计算技术、计算机技术)
山东省重点研发计划基金项目2015GSF119016
2021-05-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
1418-1424