摘要
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.
基金项目
揭阳职业技术学院科研项目(2021)(2021JYCKY21)
NETL
NSTL
万方数据