重庆理工大学学报2023，Vol.37Issue(6) ：194-203.DOI:10.3969/j.issn.1674-8425(z).2023.03.022

特征降维的深度强化学习脑卒中分类预测研究

Classification and prediction research of stroke based on deep reinforcement learning with feature dimension reduction

袁甜甜 李凤莲 张雪英 胡风云 贾文辉
重庆理工大学学报2023，Vol.37Issue(6) ：194-203.DOI:10.3969/j.issn.1674-8425(z).2023.03.022
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

特征降维的深度强化学习脑卒中分类预测研究

Classification and prediction research of stroke based on deep reinforcement learning with feature dimension reduction

袁甜甜 1李凤莲 1张雪英 1胡风云 2贾文辉2
扫码查看

作者信息

  • 1. 太原理工大学信息与计算机学院,太原 030024
  • 2. 山西省人民医院,太原 030012
  • 折叠

摘要

针对脑卒中筛查数据集冗余,特征较多,采用传统的分类算法效果较差的问题,为实现脑卒中筛查数据高效的诊断预测,建立了 一种混合特征降维的深度强化学习分类预测优化模型.提出一种改进的CFS特征选择算法,并与PCA结合,对原始脑卒中筛查数据集进行特征降维;基于Double DQN和Dueling DQN算法构建深度强化学习分类预测模型,引入一种更具鲁棒性的损失函数,对模型进行了优化,提高了模型的分类效果;对比已有的Naïve Bayes、J48、SVM、KNN和DQN模型在公共数据集及脑卒中筛查数据集的实验结果,结果表明:所提模型在特征降维和分类预测2个方面均表现优越,在脑卒中筛查数据集上分类准确率优于对比算法,可为临床上脑卒中疾病的辅助诊断提供建议.

关键词

特征降维/改进的CFS/Double/Dueling/DQN/损失函数/脑卒中

引用本文复制引用

基金项目

国家自然科学基金(62171307)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量2
参考文献量6
段落导航相关论文