發(fā)布時間：2020-06-10 11:43

【摘要】：在醫(yī)療健康領域,診斷及預測慢性病患者的病情非常重要。慢性病患者在經(jīng)過醫(yī)院治療后,很容易在短時間內(nèi)再次發(fā)病,而且病情可以更加嚴重。這會給患者帶來生理和心理的巨大打擊,加重病人的負擔,同時浪費寶貴的醫(yī)療資源。隨著人工智能技術(shù)的發(fā)展,慢性病疾病預測成為可能。綜合患者的生理信息、患病歷史、醫(yī)生診斷信息以及當?shù)蒯t(yī)療狀況等因素,使用機器學習模型,可以對患者未來的病情做出預測。本文以糖尿病患者住院數(shù)據(jù)集為研究對象,構(gòu)建了多個基于機器學習的糖尿病預測模型,主要研究工作如下:(1)研究了因式分解機算法,該算法可以有效解決數(shù)據(jù)稀疏情況下多項式模型難以訓練的問題。使用深度學習框架重新實現(xiàn)并改進了因式分解機算法。實驗證明,改進后的因式分解機算法可以挖掘高階特征組合信息,從而提升模型精度。(2)提出了一種基于因式分解機的特征嵌入算法,該算法將改進后的因式分解機算法用于特征間的無監(jiān)督訓練,使用模型嵌入層的輸出作為原類別特征的特征嵌入。實驗表明,這些嵌入特征的特征重要性較高,可以提升模型精度。(3)研究了類別特征頻度交叉矩陣,總結(jié)了使用類別特征頻度交叉矩陣進行特征交叉的方法。該方法提升了特征提取的運算速度,還可以方便的進行特征提取并行化。之后提出了一種基于類別特征頻度交叉矩陣的特征嵌入新算法。試驗表明,使用該算法得到的嵌入特征的特征重要性較高,可以提升模型精度。最后使用上述算法構(gòu)建了一個基于特征嵌入算法的糖尿病預測模型。(4)分別使用梯度提升決策樹、支持向量機、隨機森林和深度學習技術(shù)構(gòu)建了4個糖尿病預測模型。之后研究了模型融合相關(guān)技術(shù),并分別利用線性加權(quán)融合和stacking融合算法將上述4個糖尿病預測模型集成起來。實驗證明,模型融合后的效果好于子模型的預測效果。最后對stacking算法做出改進,將子模型內(nèi)部的弱分類器直接用于模型融合,實驗表明,該改進可以提升融合后模型的精度。
【圖文】：

CBOW架構(gòu)圖

Skip-gram架構(gòu)圖
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R587.1;TP181

【相似文獻】

相關(guān)期刊論文 前10條

1 ;降低機器學習門檻的六大工具[J];電腦知識與技術(shù)(經(jīng)驗技巧);2019年10期

2 胡思潤;楊曉旭;宋靖華;;基于機器學習的城市生成方法研究[J];智能建筑與智慧城市;2019年11期

3 李兵;林文釗;羅崢尹;;基于機器學習的智慧農(nóng)業(yè)決策系統(tǒng)設計與實現(xiàn)[J];信息與電腦(理論版);2018年24期

4 舒娜;劉波;林偉偉;李鵬飛;;分布式機器學習平臺與算法綜述[J];計算機科學;2019年03期

5 劉傳會;汪小亞;郭增輝;;機器學習在反洗錢領域的應用與發(fā)展[J];清華金融評論;2019年04期

6 孟雨;;機器學習讓計算機更智能[J];計算機與網(wǎng)絡;2019年14期

7 高華川;;機器學習在經(jīng)濟學中的應用[J];納稅;2019年24期

8 李陽;;機器學習在網(wǎng)絡空間安全研究中的應用分析[J];電腦知識與技術(shù);2019年24期

9 朱輝;;機器學習在企業(yè)級場景中的實踐與探討[J];中國建設信息化;2018年03期

10 彭傳意;;機器學習——我們該如何與機器競爭[J];數(shù)字通信世界;2018年01期

相關(guān)會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王衍魯;張利會;張淑潔;石潔茹;王鵬;;大學新生學校適應的個體與環(huán)境因素探究:基于機器學習的考察[A];第二十屆全國心理學學術(shù)會議--心理學與國民心理健康摘要集[C];2017年

3 張長水;;大數(shù)據(jù)機器學習[A];2015年中國自動化大會摘要集[C];2015年

4 何琳;侯漢清;;基于標引經(jīng)驗和機器學習相結(jié)合的多層自動分類[A];2005年中國索引學會年會暨學術(shù)研討會論文集[C];2005年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學生物醫(yī)學工程學術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學習在中醫(yī)計算機診斷識別系統(tǒng)中的應用思考[A];第一屆全國中西醫(yī)結(jié)合診斷學術(shù)會議論文選集[C];2006年

7 吳滄浦;;智能系統(tǒng)與機器學習的新領域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術(shù)年會文集[C];2000年

8 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

9 ;基于機器學習的大數(shù)據(jù)防詐騙能力研究與應用[A];2018中國信息通信大會論文摘要集[C];2018年

10 ;基于機器學習的影響感知無線根因問題快速定位研究[A];2018中國信息通信大會論文摘要集[C];2018年

相關(guān)重要報紙文章 前10條

1 CIO.com資深作家 Clint Boulton 編譯 Charles;領先一步:機器學習的10個成功案例[N];計算機世界;2018年

2 Bob Violino 編譯 Charles;盲目冒進:機器學習的5個失敗案例[N];計算機世界;2018年

3 本報駐波士頓記者 侯麗;深入挖掘機器學習潛力[N];中國社會科學報;2019年

4 王方 編譯;菌自何方 機器學習早知道[N];中國科學報;2019年

5 Matt Asay 編譯 Monkey King;為什么機器學習沒有捷徑可循？[N];計算機世界;2019年

6 本報記者 操秀英;當量子計算遇到機器學習會碰撞出什么火花？[N];科技日報;2019年

7 彭博企業(yè)數(shù)據(jù)業(yè)務全球負責人 Gerard Francis;金融數(shù)據(jù)質(zhì)量決定機器學習時代的投資回報[N];計算機世界;2019年

8 Isaac Sacolick 編譯 Charles;關(guān)于機器學習的5個要點[N];計算機世界;2019年

9 記者 張夢然;全新算法助機器學習抵抗干擾[N];科技日報;2019年

10 惠贊瑾;《科學向左，科幻向右》：機器學習即將成為現(xiàn)實[N];中國會計報;2019年

相關(guān)博士學位論文 前10條

1 殷曦;基于機器學習及統(tǒng)計計算模型的膜蛋白結(jié)構(gòu)預測[D];上海交通大學;2017年

2 楊靜;蛋白質(zhì)殘基相互作用預測及其在結(jié)構(gòu)建模中的應用研究[D];上海交通大學;2018年

3 王磊;基于機器學習的藥物—靶標相互作用預測研究[D];中國礦業(yè)大學;2018年

4 張慶;鈣鈦礦型功能材料的基因組工程研究[D];上海大學;2018年

5 管月;醫(yī)學腫瘤影像分類算法研究及其在肝癌上的應用[D];南京大學;2018年

6 郝小可;基于機器學習的影像遺傳學分析及其應用研究[D];南京航空航天大學;2017年

7 施建明;基于機器學習的產(chǎn)品剩余壽命預測方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2018年

8 陳再毅;機器學習中的一階優(yōu)化算法收斂性研究[D];中國科學技術(shù)大學;2018年

9 陸海進;Zr合金熱動力學研究及機器學習[D];上海大學;2018年

10 戴望州;一階邏輯領域知識與機器學習的結(jié)合研究[D];南京大學;2019年

相關(guān)碩士學位論文 前10條

1 孟圣然;基于機器學習的機械產(chǎn)品結(jié)構(gòu)建模技術(shù)研究[D];杭州電子科技大學;2019年

2 華琪;基于機器學習的智能建筑行為建模與預測方法研究[D];上海交通大學;2017年

3 楊浩;基于機器學習的白帶菌類光學圖像識別算法研究[D];電子科技大學;2019年

4 王維;心音診斷信息自動識別方法研究[D];電子科技大學;2019年

5 徐安;基于機器學習的慢性疾病預測關(guān)鍵技術(shù)研究[D];電子科技大學;2019年

6 宋同峰;基于機器學習的腎病輔助診斷系統(tǒng)的研究[D];青島科技大學;2019年

7 王婧;基于核機器學習的阿爾茲海默病早期診斷算法研究[D];曲阜師范大學;2019年

8 馬小鳳;機器學習在學生通過率預測中的應用研究[D];西南大學;2019年

9 黃雨迪;基于機器學習的MIMO系統(tǒng)收發(fā)機設計理論與方法[D];電子科技大學;2019年

10 應豪;基于機器學習的光纖信道均衡技術(shù)研究[D];電子科技大學;2019年

，

本文編號：2706246