共查询到20条相似文献,搜索用时 250 毫秒
1.
目的:研究径向基函数( RBF)神经网络与多重线性回归的组合模型在煤工尘肺发病工龄预测中的性能优劣。方法:采用RBF神经网络模型与多重线性回归模型对研究数据进行分析,对2模型进行加权拟合,采用均方根误差、均方误差、平均相对误差对模型的预测性能进行评价。结果:多重线性回归模型、RBF神经网络模型和组合模型真实值与预测值比较,差异均无统计学意义(t配对=1.552、0.231、0.155,P均>0.05)。多重线性回归模型、RBF神经网络模型和组合模型的均方根误差分别为(1.63±0.11)、(2.45±0.19)和(0.59±0.07)(F=26.141, P<0.001),均方误差分别为(2.6569±0.2412)、(5.9867±0.3804)和(0.3483±0.0653)(F =49.678, P<0.001),平均相对误差分别为(7.15±0.82)%、(15.39±1.25)%和(3.68±0.59)%(F=35.282,P<0.001)。结论:在煤工尘肺发病工龄的预测中,组合模型预测性能优于单一模型。 相似文献
2.
目的建立基于BP神经网络的住院天数拟合模型,并在已建立的神经网络模型的基础上,进行住院天数的预测和影响因素的敏感度分析,利用本研究的建模结果,为BP神经网络建模的方法学提供一定的参考依据,并能帮助卫生管理决策者做出正确的决策和分析。方法利用SQL提取HIS数据,在Clementine 11.1中进行建模和预测,预测结果用SPSS 16.0进行假设检验。结果BP神经网络的拟合度和预测准确度分别为96.678%和86.67%,术前住院天数对射频消融术患者的住院天数影响最大。结论BP神经网络相埘其他传统统计方法而言,是比较适合于住院天数数据特征的建模方法。 相似文献
3.
4.
相对偏差多元线性回归法 总被引:3,自引:0,他引:3
采用相对偏差最小二乘法对实验数据进行多元线性回归方法,较通常使用的绝对偏差多元线性回归法大大降低了观察值与回时值之间的相对偏差,使回归方程具有较好的实用性。 相似文献
5.
目的用时间序列建立住院人数线性回归模型,预测2012年、2013、2014、2015年的住院人数。方法选取石狮市医院1997-2011年住院人数,用最小二乘法建立线性模型,并对模型进行回归分析。结果回归模型为Y=3892+2730.X,方差分析结果P=0.0038〈0.05,可以认为住院人数与年次有直线回归关系。石狮市医2012年、2013、2014、2015年的住院人数点预测分别为36206、37798、39390、40981;区间预测为31553-40860、32689-42907、33815-44965、34933-47030。结论通过预测住院人数为医院的工作计划和决策提供依据,使卫生资源实行优化配置。 相似文献
6.
目的探讨基于BP神经网络的组合模型在煤工尘肺发病工龄预测中的应用。方法采用SPSS18.0中的BP神经网络模型和多重线性回归模型对数据进行分析预测,运用最小二乘加权的方法对二模型进行加权拟合,采用平均相对误差对各模型预测结果进行分析,比较各模型的精确度,从而评价各模型的预测性能。结果由BP神经网络进行预测可以得出发病工龄预测值和真实值大致位于从原点起始的45°线上,符合理想状态下值的分布情况。在对数据进行多重线性回归分析后,得到R=0.967,R2=0.935,对方程进行检验,F=1367.408,P=0.000,表明可以应用此多重线性回归方程进行预测分析。BP神经网络模型,多重线性回归模型,组合模型的均方根误差分别为0.057、0.057、0.052;平均绝对误差分别为1.4、1.46、1.38;平均相对误差分别为0.17、0.12、0.02。结论实证表明,该组合模型的预测精确度比常规BP神经网络模型要好。组合模型的算法概念明确,计算简便,有较高的拟合和预测精度。 相似文献
7.
ARIMA时间序列和BP神经网络在传染病预测中的比较 总被引:2,自引:0,他引:2
目的比较自回归滑动平均时间序列模型和神经网络对传染病的预测效率。方法根据1985—2004年伤寒、副伤寒按季度发病率数据资料,利用dps7.55软件中的ARIMA时间序列、神经网络建立预测模型,用2005--2007年的伤寒、副伤寒季度发病率对二种预测模型进行检验,从而比较二种模型的优劣。结果用ARIMA时间序列分析得到拟合度为50.15%,验证模型的残差平方和为5154.381用神经网络分析得到拟合度为73.12%,验证模型的残差平方和为3559.24。结论神经网络模型更为适用于预测宁波市镇海区伤寒、副伤寒发病趋势。 相似文献
8.
目的:探讨影响乌鲁木齐市血液中心检验科检测质量的关键因素。方法:对乌鲁木齐市血液中心检验科7个月的酶联免疫检测结果及其与实验有关的各影响因素进行多重线性回归分析。结果:9种指标与实验结果密切相关,实验结果的总符合率是反映检测质量的指标。多重线性回归分析共有4个因素进入回归方程,分别为试剂是否平衡、洗液是否每次更换、标本不符合要求率及实验室湿度。多重线性回归模型为y=94.427+2.224X1+1.530 X2-0.020X3+0.097X4。结论:试剂是否平衡、洗液是否每次更换、及实验室湿度与检测质量呈正相关,标本不符合要求率与检测质量呈负相关,标本不符合率愈高,检测质量愈低。 相似文献
9.
研究了简化型内回归神经网络基于自适应梯度下降法的训练算法,并提出了一种基于简化型内回归神经网络的非线性动态数据校核新方法,结果表明所提出的方法能够有效地对非线性动态过程进行数据校核,并具有良好性能,与传统的动态数据校核方法相比,所提出方法具有不需要掌握过程本身的精确模型,避免了过程模型误差可能带来的估计误差,不需事先知道测量噪声和过程噪声的统计特性等特点。 相似文献
10.
正交回归及其在纵向生命质量资料分析中的应用 总被引:1,自引:0,他引:1
目的本文通过吸毒者生命质量的分析,较全面地介绍用正交多项式回归处理纵向资料的方法和过程,对其特点和适用条件进行讨论。方法随机抽取158例强制戒毒者和54例自愿戒毒者,用我们研制的吸毒者测定量表QOL-DA对其进行测定,用正交回归法进行统计学分析。结果两戒毒组0~4次正交回归系数分别为140.2361,12.9115,-0.1487,-1.2779,0.1310和142.0813,14.3281,-0.3459,-0.8750,03607;两组各次回归系数比较的F值分别为0.14,0.56,0.03,0.17,0.38。结论正交回归法是处理纵向生命质量资料的一种较好方法,值得推广应用。经该法分析,两戒毒组的生命质量无统计学差异。 相似文献
11.
An automated diagnostic system for diabetes mellitus (DM), from heart rate variability (HRV) measures, using feed forward
neural network has been developed. Changes in autonomic nervous system activity caused by DM are quantified by means of time
domain and frequency domain analysis of HRV. Electrocardiograms of 70 DM patients and 65 healthy volunteers were recorded.
Nine time domain measures—standard deviation of all NN intervals, square root of mean of sum of squares of differences between
adjacent NN interval (RMSSD), number of adjacent NN intervals differing more than 50 ms. (NN50 count), percentage of NN50
count, R-R triangular index, triangular interpolation of NN intervals (TINN), standard deviation of the mean heart rate, mean
R-R interval and mean heart rate—were used as the input features to the neural network. This diagnostic system classifies
DM patients and normal volunteers from morphologically identical ECGs. Diagnostic results show that the system is performing
well with an accuracy of 93.08%, specificity of 96.92% and sensitivity of 89.23%. 相似文献
12.
目的:针对正常类、非典型类和异常类3类胎心宫缩监护图(Cardiotocography,CTG),利用BP神经网络建立分类识别模型。方法:根据遗传算法(Genetic algorithm,GA)具有全局寻优的特点,引入遗传算法对神经网络权值和阈值进行优化,形成一种训练神经网络的混合算法(GA-BP算法),以克服BP算法易陷入局部最优解的缺陷,并以UCI数据库中的CTG数据集为例进行测试。结论:仿真结果表明,对于正常类、非典型类和异常类3类样本,BP算法的分类准确率分别为97.32%、71.97%和95.45%,而GA-BP算法的分类准确率分别提高到98.24%、82.67%和95.65%。可见GA-BP分类模型具有较强的学习能力和泛化能力,分类准确度更令人满意,所提出的方法是可行的。 相似文献
13.
Uçman Ergün 《Journal of medical systems》2009,33(1):67-72
The aim of this study is to establish an automated system to recognize and to follow-up obesity. In this study, the areas
affected from obesity were examined with a classification considering the divergent arteries and body mass index of 30 healthy
and 52 obese people by using two different mathematical models such as the traditional statistical method based on logistic
regression and a multi-layer perception (MLP) neural network, and then classifying performances of logistic regression and
neural network were compared. As a result of this comparison, it is observed that the classifying performance of neural network
is better than logistic regression; also the reasons of this result were examined. Furthermore, after these classifications
it is observed that in obesity the body mass index is more affected than the divergent arteries. 相似文献
14.
目的研究基于神经网络的左右手运动的意识任务识别方法,探讨神经网络在脑机接口中的作用。方法在特征提取的基础上,设计3层BP神经网络。选用对数Sigmoid函数,实现输入到输出的非线性映射;采用梯度最速下降算法训练神经网络。结果应用BP神经网络和线性分类器分别对测试样本进行意识任务识别。以脑电信号两个频段的功率谱以及击键前-100 ̄-50ms和-50 ̄0ms均值组成特征向量。应用线性分类器,对测试样本的识别正确率为71%,采用本文设计的BP神经网络,识别正确率为84%。结论BP神经网络是意识任务识别的有效方法,在基于脑电信号的脑机接口中有良好的应用前景。 相似文献
15.
16.
目的 针对深度学习在舌象分类中训练数据量大、训练设备要求高、训练时间长等问题,提出一种基于迁移学习的全连接神经网络小样本舌象分类方法。方法 应用经ImageNet海量数据集训练后的卷积Inception_v3网络提取舌象点、线等有效特征,再使用全连接神经网络对特征进行训练分类,将深度学习网络学习到的图像知识迁移到舌象识别任务中。利用舌象数据集进行训练、测试。结果 与典型舌象分类方法K最近邻(KNN)算法、支持向量机(SVM)算法和卷积神经网络(CNN)深度学习方法相比,本实验使用的两种方法(Inception_v3+2NN和Inception_v3+3NN)具有较高的舌象分类识别率,准确率分别达90.30%和93.98%,且样本训练时间明显缩短。结论 与KNN算法、SVM算法和CNN深度学习方法相比,基于迁移学习的全连接神经网络舌象分类方法可有效提高舌象分类的准确率、缩短网络的训练时间。 相似文献
17.
Analysis and classification of sleep stages is essential in sleep research. In this particular study, an alternative system
which estimates sleep stages of human being through a multi-layer neural network (NN) that simultaneously employs EEG, EMG
and EOG. The data were recorded through polisomnography device for 7 h for each subject. These collective variant data were
first grouped by an expert physician and the software of polisomnography, and then used for training and testing the proposed
Artificial Neural Network (ANN). A good scoring was attained through the trained ANN, so it may be put into use in clinics
where lacks of specialist physicians. 相似文献
18.
支持向量回归-紫外分光光度法用于测量小儿氨酚匹林咖啡因片含量的方法研究 总被引:4,自引:0,他引:4
目的建立同时测定小儿氨酚匹林咖啡因片中3种组分:阿司匹林、对乙酰氨基酚和咖啡因含量的紫外光谱的支持向量回归校正方法.方法对复方制剂的紫外光谱数据进行预处理和主成分分析后不经分离,采用支持向量回归(SVR)算法同时测定3组分的含量.结果测定正交设计标样中的阿司匹林、对乙酰氨基酚和咖啡因的平均回收率分别在98.2%~101.2%之间,RSD在0.47%~0.91%之间.将SVR法与偏最小二乘回归和径向基神经网络建模方法相比较,SVR所建模型的预测准确性优于后两者.结论本法可用于小儿氨酚匹林咖啡因片的紫外光谱的含量测定分析. 相似文献
19.
目的对比线性回归模型与四种机器学习算法对临床医学研究生学习行为的预测效能,探讨不同预测模型的优缺点和适用性。方法以全国6922名临床医学研究生的调查数据为例,通过自评学习行为量表获得综合得分;在训练集中,分别利用Lasso线性回归和人工神经网络、决策树、Bootstrap随机森林、提升树四种监督式机器学习算法建立预测模型;对验证集数据进行预测并比较不同模型的预测效能。结果临床医学研究生学习行为综合得分为(3.31±0.54),总体达标率为74.02%。在线性回归模型中,年龄、学校级别、学位类型、学习兴趣、压力和满意度对学习行为的影响差异有统计学意义;在对验证集的预测中,线性回归模型的敏感度为0.484,特异度为0.914,准确率为0.801。四种机器学习算法的各项指标均高于线性回归模型,其中随机森林的提升度最高。结论线性回归模型对研究生学习行为的预测效果良好,机器学习在预测准确性上优于线性回归模型,但传统线性回归模型在计算效率和可解读性上具有一定优势。 相似文献
20.