特征降维的深度强化学习脑卒中分类预测研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：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.

外文标题：Classification and prediction research of stroke based on deep reinforcement learning with feature dimension reduction

作者：

袁甜甜、李凤莲、张雪英、胡风云、贾文辉

展开 >

作者单位：

太原理工大学信息与计算机学院,太原 030024

山西省人民医院,太原 030012

关键词：

特征降维改进的CFS Double Dueling DQN 损失函数脑卒中

基金：

国家自然科学基金

项目编号：

62171307

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.03.022

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

年,卷(期)：2023.37(6)

被引量2
参考文献量6