首页|基于Local Cascade Ensemble方法的胎儿健康自动分类

基于Local Cascade Ensemble方法的胎儿健康自动分类

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为更好地自动评估胎儿宫内状态,提出一种基于local cascade ensemble(LCE)方法的胎儿健康状态分类模型.选用UCI数据集,使用ADASYN方法对不平衡数据集进行填充平衡,接着结合随机森林算法对数据特征进行选择,最后使用LCE方法对胎儿状态进行自动分类.实验结果表明,所提出模型使用的方法平均准确率、精确率、召回率和F1 分数分别达到了 0.955 4、0.905 4、0.955 7 和 0.929 0,对比传统的机器学习算法能得到更好的分类效果,有效降低了误判率.

黄梅佳、李宗辉、郑博伟

展开 >

揭阳职业技术学院信息工程系 广东揭阳 522000

机器学习 胎儿监护 自动分类 Local Cascade Ensemble

揭阳职业技术学院科研项目(2021)

2021JYCKY21

2024

10.3969/j.issn.1672-9528.2024.04.027

信息技术与信息化
山东电子学会

信息技术与信息化

影响因子：0.29
ISSN：1672-9528
年,卷(期)：2024.(4)
  • 20