首页 > 文献资料
-
基于概率判决极端学习机的癫痫发作预报研究
平均预报敏感度和误报率是癫痫发作预报中为重要的两个指标,针对在提高平均预报敏感度的同时误报率往往也会增高的问题,提出一种基于概率判决极端学习机的癫痫发作预报方法.该方法在利用平均相位相干指数对脑电信号进行特征提取的基础上,采用概率判决极端学习机进行分类,得到定量的分类信息之后,通过确定分类阈值来维持平均预报敏感度与误报率之间的平衡,后经平滑过滤得到发作预报结果.对21例难治性癫痫病患者的仿真实验表明,本方法的平均预报敏感度可达到80.4%,平均误报率可低至0.10 h-1,具有较好的预报性能;而且训练时间短,为临床的在线应用提供了有价值的参考.
-
极端学习机模型在张家口市手足口病发病率预测中的应用
目的 探讨极端学习机(ELM)模型在手足口病发病率预测中的应用,并与神经网络模型进行比较.方法 收集2008年5月至2017年7月张家口市手足口病月发病率资料,并组成具有111个数据的时间序列,随机选择数据集中75%的数据进行学习建模,剩余25%作为预测的检验数据,以对2种模型的预测效果进行验证.结果和结论 ELM 学习的平均相对误差(MRE)为 0.05,预测的 MRE 为 0.07;神经网络学习的 MRE 为 0.09,预测的 MRE 为 0.12.ELM 模型的学习效果和预测效果优于神经网络模型,可以提高预测的精度,具有较高的实用价值.
-
极端学习机模型在衡水市乙肝月发病率预测中的应用
目的 探讨极端学习模型在衡水市乙肝月发病率预测中的应用,并与神经网络模型比较预测效果.方法 收集2005年1月-2017年7月衡水市乙肝月发病率资料,并组成具有151个数据的时间序列,随机选择75%的数据进行学习建模,剩余25%数据作为一步预测的检验数据,其次使用前147个数据作为学习数据,后4个数据作为四步预测的检验数据,并对2种模型的预测效果进行对比.结果 极端学习机学习的MRE为0.03,一步预测MRE为:0.04,四步预测RE分别为:2.8%、7.73%、20.15%、35.43%,神经网络学习的MRE为:0.06,一步预测MRE为0.07,四步预测RE分别为7.34%、22.14%、82.30%、38.86%.结论 极端学习机模型学习和预测效果优于神经网络,它可以提高预测的精度,具有较高的实用价值.
-
基于EMD分解的极端学习机模型在衡水市乙肝发病率预测中的应用
目的 探讨基于EMD分解的极端学习模型在衡水市乙肝发病率预测中的应用,并与原极端学习机模型进行比较.方法 收集2005年1月-2017年7月衡水市乙肝统计数据,并计算月发病率,组成含有151个数据的时间序列,首先,随机选择75%的数据训练模型,25%的数据作为一步预测的验证数据,其次使用前148个数据用于训练模型,后3个数据作为三步预测的验证数据,并对2种模型的预测结果进行对比分析.结果 基于EMD分解的极端学习机模型的训练MRE为0.08,一步预测的MRE为0.11,三步预测的RE分别为6.65%、8.85%、20.73%,原极端学习机模型的训练MRE为0.11,一步预测的MRE为0.16,三步预测的RE分别为22.35%、43.69%、26.08%.结论 将乙肝发病率数据进行经验模态分解,使用极端学习机模型分别对各成分进行训练,与原极端学习机模型相比,可以降低极端学习的复杂度,提高预测的精度,具有较高的实用价值.