儀器共享平臺的發(fā)展提高了各高校的儀器設備的使用率.但是在設備的使用過程中,對設備的故障檢測方面還沒有得到改善.針對上述問題,本文收集了醫(yī)用影像設備的相關數(shù)據(jù),采用PSO_RF的雙向特征選擇方法進行特征選擇,然后構建了基于LightGBM （Light Gradient Boosting Machine）的故障檢測模型,并將其應用于醫(yī)用影像設備的故障檢測中.通過標準評價體系的建立及不同模型對故障診斷結果的對比,相對于傳統(tǒng)的機器學習算法,該模型在故障檢測的精確率、召回率、F1值等評價指標上有較好的表現(xiàn),對于加快儀器故障點的發(fā)現(xiàn)以及提高儀器利用率具有積極推進作用. 

【文章來源】：計算機系統(tǒng)應用. 2020,29(07)

【文章頁數(shù)】：5 頁

【參考文獻】：
期刊論文
[1]改進粒子群算法優(yōu)化SVM的故障診斷方法研究[J]. 苗玉.  機械工程與自動化. 2019(06)
[2]基于PCA-SVM的軸承故障診斷研究[J]. 吉敏.  電子設計工程. 2019(17)
[3]基于LightGBM算法的信用風險評估模型研究[J]. 王思宇,陳建平.  軟件導刊. 2019(10)
[4]粒子群優(yōu)化的SVM提升鋼絲繩故障診斷[J]. 黃帥,吳娟,李琳琳,李鑫鑫.  機械科學與技術. 2020(02)
[5]基于XGBOOST算法的變壓器故障診斷[J]. 孫琛,田曉聲.  佳木斯大學學報(自然科學版). 2019(03)
[6]Screen efficiency comparisons of decision tree and neural network algorithms in machine learning assisted drug design[J]. Qiumei Pu,Yinghao Li,Hong Zhang,Haodong Yao,Bo Zhang,Bingji Hou,Lin Li,Yuliang Zhao,Lina Zhao.  Science China（Chemistry）. 2019(04)
[7]基于隨機森林的特征選擇算法[J]. 姚登舉,楊靜,詹曉娟.  吉林大學學報(工學版). 2014(01)
[8]基于貝葉斯網(wǎng)絡的電子設備故障診斷技術研究[J]. 樊寧,高鳳岐.  儀表技術. 2010(09)
[9]基于貝葉斯網(wǎng)絡分類器的電容型電流互感器絕緣故障診斷[J]. 劉柱,朱永利,郝寧.  電氣時代. 2010(09)



本文編號：3526941