10.16862/j.cnki.issn1674-3873.2020.03.018
基于深度置信网络与梯度提升决策树的糖尿病检测方法
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.
糖尿病检测、深度置信网络、梯度提升、分类识别
41
TP399(计算技术、计算机技术)
河北省自然科学基金项目;河北省重点研发计划项目
2020-09-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
112-120