版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、目的:為預測胎兒出生時的體重構(gòu)建新型穩(wěn)定、可靠的預測模型
方法:
論文中的數(shù)據(jù)采用的是從福建省閩東醫(yī)院收集的251例有關(guān)孕婦及胎兒相關(guān)的九項指標數(shù)據(jù)樣本,對其進行主成分分析(PCA)處理,取前5個主成分構(gòu)建支持向量回歸(SVR)模型,最后用10層交叉驗證方法對模型的穩(wěn)定性和準確率進行評估。
結(jié)果:
采用10層交叉驗證法對歷史各模型以及本文建立的SVR模型進行評估檢驗,其結(jié)果顯示:
1、歷
2、史模型在數(shù)據(jù)擬合準確率方面最優(yōu)模型為ANN模型,可達100%的準確擬合,然而分析結(jié)果顯示模型的預測性能不穩(wěn)定,其預測準確率為44.5%。
2、歷史模型在預測性能穩(wěn)定的前提下,最優(yōu)模型為由B超下胎兒腹圍,B超下胎兒股骨長構(gòu)建的二參數(shù)回歸模型,交叉驗證結(jié)果顯示,其預測準確率為71.7%。
3、在對數(shù)據(jù)進行PCA處理后,利用前五個主成份數(shù)據(jù)進行SVR擬合建模,對模型進行交叉驗證,結(jié)果顯示,各模型預測評估參數(shù)都優(yōu)于歷史模型。
3、其中,選取以MAE為尋優(yōu)指標構(gòu)建的SVR-MAE模型預測準確率為74.1%;選取以CN為尋優(yōu)指標構(gòu)建的SVR-CN模型預測準確率高達到82.5%,并且模型預測性能穩(wěn)定可靠。
創(chuàng)新點:
1、本文就預測胎兒體重模型問題上對原始數(shù)據(jù)指標間的相關(guān)性進行分析,并且提出對數(shù)據(jù)進行PCA預處理后再建模。
2、本文就預測胎兒體重模型問題提出SVR模型,并且對其進行10層交叉驗證,驗證結(jié)果表明SVR模型優(yōu)于歷史模型。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- b型超聲預測胎兒體重的數(shù)學模型
- 超聲預測胎兒體重的臨床應用.pdf
- 機場噪聲預測SVR增量模型研究.pdf
- 產(chǎn)前預測胎兒體重的多因素探討.pdf
- 胎兒肱骨下軟組織厚度與胎兒體重預測的研究.pdf
- 基于蟻群聚類算法的胎兒體重預測.pdf
- 基于人工神經(jīng)網(wǎng)絡的足月胎兒體重預測.pdf
- 孕婦體重增長標準-胎兒體重增長標準
- 基于SVR的非機理模型建模研究及故障預測.pdf
- 基于人工神經(jīng)網(wǎng)絡的胎兒體重及孕婦分娩方式預測.pdf
- 基于PSO-SVR模型的原煤生產(chǎn)成本預測研究.pdf
- 超聲測量胎兒肝臟面積及長度估測胎兒體重的價值.pdf
- 基于LS-SVR模型的煤與瓦斯突出預測系統(tǒng)研究.pdf
- 超聲測量胎兒心臟長徑在估計胎兒體重中的應用.pdf
- 初探二維超聲測量胎兒腎臟體積預測出生體重的方法.pdf
- 基于GA-SVR的短期風速預測.pdf
- 胎兒體重超聲估測的多因素分析.pdf
- 超聲測量胎兒雙頂徑及股骨徑預測出生體重的價值
- 股價預測中AP-FIG和DKIPSO-SVR模型的構(gòu)建與應用.pdf
- 基于反饋SVR的非線性ARIMA模型的金融收益率水平預測.pdf
評論
0/150
提交評論