用于慢性肾病早期筛查的Logistic回归应用

慢性肾病是全球十大疾病死因之一,发病率很高,且难以发现,如果可以在早期的时候就发现肾病的存在,将会大大降低因肾病而死亡的人数。首先从UCI数据库中获取早期慢性肾病患者的各项生理指标,提取出导致慢性肾病的关键变量,然后基于Logistic回归模型进行数据的拟合。最后通过5折交叉验证,模型的准确率比普通Logistic回归模型约高出了5.6%,召回率值高出了10.4%,精确率高出了1.1%,F1值高出了5.8%,AUC值高出了5.2%。由此可见,可以为慢性肾病的早期筛查提供可靠的科学依据。     

基于人工鱼群的交通诱导系统最优查询研究

与齐齐哈尔市公安交通警察支队交通控制中心合作开发,并以齐齐哈尔市路况为实际进行凋研,将改进的人工鱼群算法应用于交通路径诱导系统数据库优化查淘中,算法提高了最优路径查询的效率。对人工鱼群算法进行了改进,引入贝叶斯变异算子和十字交叉变异算子,避免了算法局部寻优能力差和收敛速度慢等弊端。仿真实验表明算法是正确有效性的。     

基于交叉验证和神经网络融合的医学数据分类

在医学诊断过程中采集到的数据具有低样本数量、少特征的特点,作为神经网络输入会导致网络收敛速度过慢或者陷入局部最优。针对这一问题,在现有神经网络和交叉验证算法的基础上,给出将留一法和神经网络融合的医学数据分类方法。首先对获取到的医学数据进行预处理,然后使用深度学习Keras框架搭建神经网络模型,最后对网络模型训练和预测分析。实验表明,给出的方法能在较少的迭代次数内使网络模型达到收敛,避免陷入局部最优,有效地提升网络模型的拟合程度和稳性,与传统机器学习算法相比有更高的分类准确性。