基于改进梯度提升决策树的尿路感染疾病预测研究
发布时间：2021-01-05 20:13
尿路感染是当今老龄化时代的一种常见疾病。随着年龄的增长,该疾病的患病风险也随之提高;特别是老年人或者行动不便的人群,由于其身体的健康等原因,比其他人群更容易罹患尿路感染疾病。目前,医院对于尿路感染疾病的检测方式,特别是针对老年人或者身体有一定行动能力限制的人群,主要是通过常规尿检或者导尿管取尿的方式来进行的。考虑到上述易感染人群行动不便、导尿管容易增加尿路感染疾病风险等因素,论文作者所在实验室开发了一套智能化可嵌入尿不湿的即时尿检设备系统,可以有效解决老年人或者行动能力受限制的人的尿液样本收集与即时检验。本论文的研究工作是该智能化尿检系统课题研究的一部分,并且基于该系统进行建模与实验验证。该智能尿检化系统包含了对五种尿液生物指标物（包括血液红细胞、亚硝酸盐、葡萄糖、白细胞和蛋白质）的比色法检测。在利用尿检设备对尿液进行取样以及即时检验后,利用智能手机摄像头采集尿检比色结果图片并对图像进行了颜色还原处理;然后利用MATLAB软件,分别读取结果图片的固定像素的RGB通道值作为生物指标物的特征向量。然后利用K近邻模型分别对这五种生物指标物进行分类研究,并与支持向量机、随机森林、CART决策树...
【文章来源】：重庆工商大学重庆市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
技术路线图
重庆工商大学硕士学位论文第2章相关分类模型以及模型评估方法14OVO是通过每两个类构成一个SVM子分类器实现多分类任务，如此，假设某一样本集共含有K类，那么OVO需要构造出12K(K1)个子分类器。输入测试样本点，结合概率输出，每个子分类器都输出该样本点隶属为各类的概率，可以得到一个K阶的概率矩阵M：M=[01221011(1)(1)0]式（2.18）其中，表示测试样本在由第i类和第j类构成的子分类器中，隶属于第i类的概率值；∈[0,1],+=1。最后通过投票方式决定该样本点归属于哪一类。可见，OVO的缺点是当类别比较多的时候，所需要产生的子分类器也随之增加，会增加计算时间；但是优点是如果有新增加的类，无需重新训练模型，只需要增加训练新类样本与其他类别样本构成的子分类器即可。2.1.3随机森林模型随机森林模型[29,30]（RandomForest）是Breiman于2001年提出的一种以决策树作为基学习器的集成学习分类器。其基本思想是利用自助抽样法（Bootstrap）从数据集中抽取N个样本，每个样本的样本容量与原数据集相同；对N个样本分别建造N个决策树模型，则会有N个决策分类结果；根据N个结果进行投票表决对该数据记录进行分类，其生成示意图如下图2-1所示。图2-1随机森林算法生成示意图在随机森林模型中，任意两棵决策树的相关性越高，分类结果错误率就越大；而且每一棵决策树的分类能力越强，最终的分类结果也就越准确。随机森林算法的
重庆工商大学硕士学位论文第3章智能化尿液检测设备与数据预处理23检测模块105正上方的隔离层10500，并通过隔离层10500的孔隙进入生物指标反应块10501，隔离层10500可以使得尿液快速均匀地分布到每一个反应块上。图3.1尿液收集检测设备实物图图3.2尿液收集检测设备3d图图3.3尿液收集检测设备不完整切面图图3.4尿液收集检测设备完整切面图100101103102104105001104101104001050110310610500104011040210110400105
【参考文献】：
期刊论文
[1]基于ML-KNN算法的冠心病辨证模型研究[J]. 孙鑫亮,杨涛,章颖,董海艳,胡孔法,谢佳东,史话跃. 山东中医药大学学报. 2019(05)
[2]尿干化学法、尿沉渣分析和显微镜镜检在泌尿系肿瘤患者尿液检测中对比应用研究[J]. 陶晓丽,朱惠,朱自力. 国际泌尿系统杂志. 2019 (03)
[3]基于切比雪夫距离的密度计算与K-means的聚类方法研究[J]. 杨威,龙华,邵玉斌,杜庆治. 通信技术. 2019(04)
[4]基于CART决策树的冲压成形仿真数据挖掘[J]. 王伟,黄宇星,余鸿敏. 工程科学学报. 2018(11)
[5]基于梯度提升决策树的微博虚假消息检测[J]. 段大高,盖新新,韩忠明,刘冰心. 计算机应用. 2018(02)
[6]尿路感染诊断中尿常规检验的临床价值与结果分析[J]. 阎平. 中国实用医药. 2018(02)
[7]基于梯度提升决策树的电力电子电路故障诊断[J]. 陈宏,邓芳明,吴翔,付智辉. 测控技术. 2017(05)
[8]基于信噪比与随机森林的肿瘤特征基因选择[J]. 徐久成,冯森,穆辉宇. 河南师范大学学报(自然科学版). 2017(02)
[9]组块3×2交叉验证的F1度量的方差分析[J]. 杨柳,王钰. 计算机科学与探索. 2016(08)
[10]尿道下裂术后尿瘘危险因素逻辑回归分析[J]. 林涛,林芃. 河南外科学杂志. 2016(01)
博士论文
[1]支持向量机算法的研究及其应用[D]. 范昕炜.浙江大学 2003
硕士论文
[1]基于Logistic回归、ANN、SVM的乳腺癌复发影响因素研究[D]. 饶飘雪.浙江工业大学 2015
[2]朴素贝叶斯分类模型的改进研究[D]. 朱晓丹.厦门大学 2014
[3]基于支持向量机的尿液粒子识别分类研究[D]. 傅聪.浙江大学 2008
本文编号：2959231
【文章来源】：重庆工商大学重庆市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
技术路线图
重庆工商大学硕士学位论文第2章相关分类模型以及模型评估方法14OVO是通过每两个类构成一个SVM子分类器实现多分类任务，如此，假设某一样本集共含有K类，那么OVO需要构造出12K(K1)个子分类器。输入测试样本点，结合概率输出，每个子分类器都输出该样本点隶属为各类的概率，可以得到一个K阶的概率矩阵M：M=[01221011(1)(1)0]式（2.18）其中，表示测试样本在由第i类和第j类构成的子分类器中，隶属于第i类的概率值；∈[0,1],+=1。最后通过投票方式决定该样本点归属于哪一类。可见，OVO的缺点是当类别比较多的时候，所需要产生的子分类器也随之增加，会增加计算时间；但是优点是如果有新增加的类，无需重新训练模型，只需要增加训练新类样本与其他类别样本构成的子分类器即可。2.1.3随机森林模型随机森林模型[29,30]（RandomForest）是Breiman于2001年提出的一种以决策树作为基学习器的集成学习分类器。其基本思想是利用自助抽样法（Bootstrap）从数据集中抽取N个样本，每个样本的样本容量与原数据集相同；对N个样本分别建造N个决策树模型，则会有N个决策分类结果；根据N个结果进行投票表决对该数据记录进行分类，其生成示意图如下图2-1所示。图2-1随机森林算法生成示意图在随机森林模型中，任意两棵决策树的相关性越高，分类结果错误率就越大；而且每一棵决策树的分类能力越强，最终的分类结果也就越准确。随机森林算法的
重庆工商大学硕士学位论文第3章智能化尿液检测设备与数据预处理23检测模块105正上方的隔离层10500，并通过隔离层10500的孔隙进入生物指标反应块10501，隔离层10500可以使得尿液快速均匀地分布到每一个反应块上。图3.1尿液收集检测设备实物图图3.2尿液收集检测设备3d图图3.3尿液收集检测设备不完整切面图图3.4尿液收集检测设备完整切面图100101103102104105001104101104001050110310610500104011040210110400105
【参考文献】：
期刊论文
[1]基于ML-KNN算法的冠心病辨证模型研究[J]. 孙鑫亮,杨涛,章颖,董海艳,胡孔法,谢佳东,史话跃. 山东中医药大学学报. 2019(05)
[2]尿干化学法、尿沉渣分析和显微镜镜检在泌尿系肿瘤患者尿液检测中对比应用研究[J]. 陶晓丽,朱惠,朱自力. 国际泌尿系统杂志. 2019 (03)
[3]基于切比雪夫距离的密度计算与K-means的聚类方法研究[J]. 杨威,龙华,邵玉斌,杜庆治. 通信技术. 2019(04)
[4]基于CART决策树的冲压成形仿真数据挖掘[J]. 王伟,黄宇星,余鸿敏. 工程科学学报. 2018(11)
[5]基于梯度提升决策树的微博虚假消息检测[J]. 段大高,盖新新,韩忠明,刘冰心. 计算机应用. 2018(02)
[6]尿路感染诊断中尿常规检验的临床价值与结果分析[J]. 阎平. 中国实用医药. 2018(02)
[7]基于梯度提升决策树的电力电子电路故障诊断[J]. 陈宏,邓芳明,吴翔,付智辉. 测控技术. 2017(05)
[8]基于信噪比与随机森林的肿瘤特征基因选择[J]. 徐久成,冯森,穆辉宇. 河南师范大学学报(自然科学版). 2017(02)
[9]组块3×2交叉验证的F1度量的方差分析[J]. 杨柳,王钰. 计算机科学与探索. 2016(08)
[10]尿道下裂术后尿瘘危险因素逻辑回归分析[J]. 林涛,林芃. 河南外科学杂志. 2016(01)
博士论文
[1]支持向量机算法的研究及其应用[D]. 范昕炜.浙江大学 2003
硕士论文
[1]基于Logistic回归、ANN、SVM的乳腺癌复发影响因素研究[D]. 饶飘雪.浙江工业大学 2015
[2]朴素贝叶斯分类模型的改进研究[D]. 朱晓丹.厦门大学 2014
[3]基于支持向量机的尿液粒子识别分类研究[D]. 傅聪.浙江大学 2008
本文编号：2959231
本文链接：https://www.wllwen.com/shoufeilunwen/mpalunwen/2959231.html
最近更新
教材专著
