基于极限学习机的分类方法研究及应用

发布时间：2020-04-19 15:00

【摘要】：近年来,老年人口数量逐年增加,人口老龄化趋势更加明显,随之而来的老年人监护问题就亟需解决,然而以医院和养老院为主的养老服务占用了有限的医疗资源,且护理费用开销巨大。显然,提高居家健康监护效率和合理配置有限的医疗资源需要借助先进的物联网技术。以物联网为依托,利用可穿戴设备对老年人在日常生活数据进行采集,跟踪和判断身体状态的变化,及时发现不良趋势,并采取相应的治疗措施,形成闭环反馈健康服务。这项技术能够有效地解决日益突出的老人健康监护问题,具有非常重要的理论和实际意义。本文主要采用极限学习机分类方法对UCI机器学习数据库中的人体行为数据进行人体行为识别和医疗数据进行疾病诊断,还将分类方法用于对其它流行的数据集进行分类。此外,本文采用了启发式搜索策略、随机搜索策略分别和封装式策略相结合的特征选择方法对一些冗余特征或噪声数据进行了处理。主要的研究内容包括:分析了极限学习机分类原理;提出了一种结合极限学习机的混合特征选择方法,实现了对精简数据的精准分类;改进了人工蜂群算法的搜索策略和解初始化方法,并将改进的蜂群算法在标准测试函数进行了测试,结果显示改进后的算法在精度和收敛速度上有明显的提高;改进后的多目标人工蜂群算法优化ELM分类器模型的参数和特征向量同时进行,实现了对数据有效分类,结果表明算法有很好的泛化能力。
【图文】：

6图 2.1 极限学习机结构图，，该结构图有输入网络层、隐含间分别通过输入、输出权重实现全对应输入n个神经元；通常设置隐本种类数目m ，即输出层网络含有出层节点的预测输出为[0,0, 1 ,q 习机分类表达式为：2 2min11 1|| ||2 2NiiL C== β + ζ,2, , N。其中，1 2[ , , , i i i ζ = ζ ζ ζ

设置数据描述验混合特征选择方法的效果和极限学习机的分类性能，本章仿真CI 机器学习数据库[58]。考虑数据集中样本容量、属性数目、类别数目有大到小，分类个数有二分类和多分类，特征个数也有多到学习数据库中的 Banknote、WDBC、 Wine、 Dermatology、Iris、tlog heart、老年人行为检测 HAR 八个数据集。钞票鉴别数据集（Bation）数据是从图像中提取出来的，这些图像是为评估认证程序而拍威斯康星州乳腺癌诊断数据库；Dermatology 数据集的目的是确定型；Wine 数据集用化学分析法测定葡萄酒的适口性；Iris 是一种Breast Tissue 为新切除的乳腺组织样品的数据集。Statlog heart 数数据库。HAR 数据集，使用无电池可穿戴传感器数据对健康老14 名 66 至 86 岁健康老年人的连续运动数据使用无电池、可穿
【学位授予单位】：中原工学院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 张红涛,胡玉霞,邱道尹;遗传算法在储粮害虫特征选择中的应用[J];华北水利水电学院学报;2004年03期

2 徐雷;阎平凡;常迥;;用于特征选择的BF算法及其与B&B算法的比较[J];自动化学报;1988年05期

3 杨锦英;王碧泉;;K—W检验和熵法在单个特征选择中的应用[J];华北地震科学;1989年02期

4 陈晋苏;特征选择在电信行业客户流失分析中的应用[J];科技资讯;2005年22期

5 范劲松,方廷健;特征选择和提取要素的分析及其评价[J];计算机工程与应用;2001年13期

6 江乃雄;蔡民;;综合距离特征选择问题解的存在性与唯一性[J];计算机应用与软件;1992年01期

7 钱学双;多重筛选逐步回归特征选择法及其应用[J];信息与控制;1986年05期

8 赵帅;张雁;徐海峰;;基于成对约束分的特征选择及稳定性评价[J];计算机与数字工程;2019年06期

9 余胜龙;赵红;;基于样本邻域保持的代价敏感特征选择[J];数据采集与处理;2018年02期

10 杜政霖;李云;;基于特征聚类集成技术的在线特征选择[J];计算机应用;2017年03期

相关会议论文 前10条

1 史彩娟;沙宇阳;刘健;闫晓东;刘利平;;基于自适应半监督稀疏特征选择的图像标注[A];第十届全国信号和智能信息处理与应用学术会议专刊[C];2016年

2 刘培磊;李满生;王挺;;蛋白质相互作用有向关系抽取的特征选择[A];第五届全国信息检索学术会议论文集[C];2009年

3 袁帅;杨宏晖;申f;;基于云模型的特征评价准则[A];第三届上海——西安声学学会学术会议论文集[C];2013年

4 申f;杨宏晖;袁帅;;用于水声目标识别的互信息无监督特征选择[A];第三届上海——西安声学学会学术会议论文集[C];2013年

5 李泽辉;聂生东;陈兆学;;应用多类SVM分割MR脑图像特征选择与优化的实验研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 李娜;曾向阳;;目标识别中的样本选择和特征选择联合算法研究[A];2009年西安-上海声学学术会议论文集[C];2009年

7 宋鹏;郑文明;赵力;;基于子空间学习和特征选择融合的语音情感识别[A];第十四届全国人机语音通讯学术会议（NCMMSC’2017）论文集[C];2017年

8 臧淼;徐惠民;张永梅;;基于局部约束和稀疏编码的自动图像标注[A];国防光电子论坛第二届激光雷达成像探测技术及应用研讨会论文集[C];2015年

9 俞士汶;王治敏;朱学锋;;文学语言与自然语言理解研究[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年

10 薛富强;葛临东;陈丽;;新的改进遗传算法用于调制信号特征选择[A];无线传感器网及网络信息处理技术——2006年通信理论与信号处理年会论文集[C];2006年

相关重要报纸文章 前7条

1 本报记者 李振辉;根据自身特征选择健身方式[N];广东科技报;2008年

2 海通证券 娄静邋吴先兴;把握风险收益特征选择最适合自己的基金[N];上海证券报;2007年

3 铁岭市第二高中 高军;让学生“动”起来[N];铁岭日报;2005年

4 郑卫东;高产鹅选种方法和标准[N];中国畜牧兽医报;2007年

5 《网络世界》记者 周源;云平台,只选对的[N];网络世界;2012年

6 郑军;高产鹅选种方法和标准[N];河南科技报;2016年

7 记者 丁宁;2012年,我们一起“追”的创新产品[N];上海证券报;2012年

相关博士学位论文 前10条

1 Reehan Ali Shah;基于稀疏模型组合的网络入侵分类[D];浙江大学;2019年

2 袁明冬;基于图的特征提取和特征选择及其应用研究[D];西安电子科技大学;2017年

3 胡小娟;基于特征选择的文本分类方法研究[D];吉林大学;2018年

4 任宇林;结构化预测中N元特征选择算法的研究[D];华中科技大学;2018年

5 滕旭阳;面向特征选择问题的优化方法研究[D];哈尔滨工程大学;2017年

6 张丽新;高维数据的特征选择及基于特征选择的集成学习研究[D];清华大学;2004年

7 高青斌;蛋白质亚细胞定位预测相关问题研究[D];国防科学技术大学;2006年

8 刘风;基于磁共振成像的多变量模式分析方法学与应用研究[D];电子科技大学;2014年

9 冯国忠;文本分类中的贝叶斯特征选择[D];东北师范大学;2011年

10 梁建宁;特征选择与图像匹配[D];复旦大学;2011年

相关硕士学位论文 前10条

1 马必焕;一种多任务特征选择金字塔及其在电力设备检测的应用[D];浙江大学;2019年

2 朱强;基于BDE-MICI的无监督特征选择的研究[D];兰州大学;2019年

3 熊雅丽;乡土地理资源在高中地理教学中的应用现状及有效性研究[D];广西师范大学;2019年

4 王中颖;一个苏北县域的疾病救治研究（1959～1962年）[D];华东师范大学;2019年

5 侯宇亮;基于极限学习机的分类方法研究及应用[D];中原工学院;2019年

6 Wei Wang;P值的不稳定性与其他因素对统计特征选择的影响[D];天津大学;2018年

7 游仁春;基于特征选择聚类和张量分析的碳纤维增强复合材料超声缺陷识别[D];厦门大学;2017年

8 闫文凯;基于特征选择的致病SNP识别方法研究[D];南京农业大学;2017年

9 周至;复杂环境下无人工干预的室内定位算法研究[D];南京大学;2019年

10 任秀伟;基于嵌入式稀疏特征选择策略的降维算法研究[D];湖北工业大学;2018年

本文编号：2633425