發(fā)布時間：2020-08-04 09:38

【摘要】：聽力損失是全世界面臨的重大公共健康問題。造成聽力損失的最主要原因是噪聲暴露。因此,充分挖掘噪聲暴露大數(shù)據(jù)中包含的潛在價值從而準確評估噪聲誘發(fā)的聽力損失,對節(jié)約醫(yī)療成本和加強聽力防護等具有重要作用。當前評估噪聲引起聽力損失的標準是國際噪聲暴露標準(ISO-1999)。然而該標準的建立是基于20世紀50～60年代的穩(wěn)態(tài)噪聲數(shù)據(jù),因而對噪聲暴露類型不敏感,往往會低估復(fù)雜噪聲造成的聽力損失。此外,不能利用除能量之外的其他有效特征參量,成為限制該標準對復(fù)雜噪聲所致生物效應(yīng)做出準確預(yù)測的又一重要原因。數(shù)據(jù)驅(qū)動的機器學習方法可以充分利用數(shù)據(jù)包含的有效信息,因而基于噪聲暴露大數(shù)據(jù)和機器學習算法,建立一個更精準的聽力損失預(yù)測模型,以評估噪聲暴露對聽力危害的影響,具有重要意義。本論文從機器學習的角度研究復(fù)雜噪聲暴露下聽力損失預(yù)測新方法,提高聽力損傷預(yù)測的性能。模型具有合理的聽力學解釋,并對聽力損失預(yù)防及早期干預(yù)具有重要意義。主要創(chuàng)新點概括如下:針對復(fù)雜噪聲所致聽力損失預(yù)測,論文提出基于SVM、MLP、隨機森林和AdaBoost的機器學習方法,有效利用復(fù)雜噪聲數(shù)據(jù)中的潛在信息,建立了聽力損失與損傷綜合預(yù)測模型,并系統(tǒng)的對比分析了多種機器學習算法的效果。提出一種復(fù)雜噪聲特性與個體特征融合方法,解決傳統(tǒng)方法對噪聲暴露類型的不敏感性問題,建立了聽力損傷預(yù)測模型,預(yù)測性能顯著優(yōu)于現(xiàn)有行業(yè)國際標準。提出基于卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜噪聲時序模型特征發(fā)現(xiàn)方法,捕獲被處理成二維矩陣的噪聲時序數(shù)據(jù)中存在的時間模式,建立了更精準的復(fù)雜噪聲所致聽力損傷預(yù)測模型。
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：R764;TP181
【圖文】：

個訓練得到的弱分類器按權(quán)重組合成一個強分類器，即逡逑Ｈｆｉｎａｌ邋＝邋ｓｉｇｎ（Ｊ％ｉａｍＨｍ｛，ｘ））邐（２－２３）逡逑知機（ＭＬＰ＞算法逡逑知機（ＭＬＰ）也叫人工神經(jīng)網(wǎng)絡(luò)（ＡＮＮ），是由神經(jīng)元模型并行相連逡逑，除了輸入輸出層，中間可以有多個隱藏層，能夠模擬神經(jīng)系統(tǒng)對逡逑物體所作出的交互反應(yīng)，主要用來解決分類和回歸問題。多層感知逡逑分是處于隱藏層中的神經(jīng)元模型，該模型結(jié)構(gòu)的構(gòu)建過程直接決定逡逑算法的質(zhì)量。圖２．１即為神經(jīng)元結(jié)構(gòu)的圖示。圖中神經(jīng)元楔型的激逡逑），它通過對神經(jīng)元的非線性激活，使得網(wǎng)絡(luò)能夠逼近任意的非線逡逑入變量＆的權(quán)重為％，神經(jīng)元模型的偏置為６。圖中Ｅ即為求和函逡逑？＝１％４邋＋邋辦。逡逑

量回歸示意圖，兩條虛線中間的部分為ｓ間隔帶，落入其中的樣本不計量￥和系，則原問題模型轉(zhuǎn)化為如下形式：逡逑｜｜ｗ｜｜２邋＋邐＋邋５；）邋，邋ｓ．ｔ．邋ｓ邋＋邋Ｓｔ邋＞邐－邋ｙｔ＞邋－ｓ邋－Ｓｉｔ邋（２，邋Ｓ，邋２邋０，邋ｉ邋＝邋１，２，…，ｍ．逡逑入拉格朗日乘子Ａ邋２邋０，名２邋０，的２邋０，邋Ａ邋２邋０，由拉格朗日乘子法拉格朗日函數(shù)：逡逑ｂ．ａ＾＾．Ｓ，＾）邋＝＾｜｜ｗ｜｜２邋＋邋Ｃ＇Ｚ＾１（．Ｓｉ邋＋２＾１ａｉ（ｙｉ邋＋邋ｆ邋＋邋＾邋－邋ｆ｛ｘ｛））邋－邋ＥＩ＾ｉ？ｔ（／（ｘｉ）邋＋邋￡邋＋邐￣邋ｙｄ邋（２－，足５，對ｖｖ，邐和或求偏導(dǎo)為零可得逡逑ｍ逡逑

浙江大學博士學位論文邐逡逑接的數(shù)目。另一方面降低了模型的復(fù)雜度，緩解了模型的過擬合問題。權(quán)值共享逡逑其實就是對圖像用同樣的卷積核進行卷積操作，這意味著它能檢測到處于圖像中逡逑不同位置的同一類型特征，也就是卷積神經(jīng)網(wǎng)絡(luò)能很好的適應(yīng)矩陣的小范圍的平逡逑移性，即有較好的平移不變性。如圖２．３所示，卷積神經(jīng)網(wǎng)絡(luò)通常由卷積層，降逡逑采樣層（池化層）和全連接層３層結(jié)構(gòu)構(gòu)成，其中，低層由卷積層和池化層交替逡逑組成網(wǎng)絡(luò)的核心特征提取模塊，每層有多個特征圖，每個特征圖有多個神經(jīng)元；逡逑高層一般采用ｓｏｆｔｍａｘ全連接的方式。局部特征的提取工作由輸入圖像和濾波器逡逑通過卷積的方式實現(xiàn)，卷積神經(jīng)網(wǎng)絡(luò)提取的特征與其他特征具有確定的位置關(guān)系。逡逑特征圖特征圖yL經(jīng)元逡逑

【參考文獻】

相關(guān)期刊論文 前10條

1 馬峰杰;龔樹生;;噪聲性聽力損失早期發(fā)現(xiàn)與診斷方法研究進展[J];國際耳鼻咽喉頭頸外科雜志;2017年06期

2 張雁歌;郗昕;于寧;倪道鳳;;中國體檢人群聽力篩查專家共識[J];中華健康管理學雜志;2016年06期

3 張增瑞;余善法;;職業(yè)人群噪聲接觸測量與評價方法的研究進展[J];中華勞動衛(wèi)生職業(yè)病雜志;2015年12期

4 李艷紅;焦?jié)?余善法;;噪聲性聽力損失影響因素的研究現(xiàn)狀[J];中華勞動衛(wèi)生職業(yè)病雜志;2014年06期

5 謝紅衛(wèi);張美辨;張磊;張傳會;;非穩(wěn)態(tài)噪聲工作場所噪聲暴露測量與評價[J];環(huán)境與職業(yè)醫(yī)學;2013年10期

6 鄭文慧;王志平;柴鵬飛;姚許一;;接觸非穩(wěn)態(tài)噪聲與聽力損傷的劑量-反應(yīng)關(guān)系研究[J];工業(yè)衛(wèi)生與職業(yè)病;2013年01期

7 卜行寬;;世界防聾工作的一些動態(tài)[J];聽力學及言語疾病雜志;2013年01期

8 邱偉;Roger P.Hamernik;Bob Davis;趙一鳴;;峰度在噪聲所致生物效應(yīng)評價方面的研究進展[J];中華醫(yī)學雜志;2006年11期

9 趙一鳴;陳山松;成小如;李玉秦;;用轉(zhuǎn)換系數(shù)調(diào)整脈沖噪聲所致高頻聽力損失劑量-反應(yīng)關(guān)系的探索[J];中華醫(yī)學雜志;2006年01期

10 丁茂平;;脈沖噪聲職業(yè)衛(wèi)生問題研究近況[J];中國公共衛(wèi)生學報;1992年02期

本文編號：2780369