典型文献
基于集成学习技术对死亡时间的研究
文献摘要：
目的 利用集成多种机器学习算法对死亡时间进行推断.方法 收集近5年来中国西部某地546起死亡案例的尸体数据,利用KNN、隔离森林和SMOTE(Synthetic Minority Oversampling Technique)超采样算法对数据进行整理填充,开发出一种将决策树、随机森林和logistic回归集成在一起的机器学习算法,基于博弈论的sharpley指数对模型中重要影响因子进行比较,优化参数,进而推断死亡时间.结果 通过集成方法,在数据从不完整到完整的过程中,将决策树、随机森林和logistic回归三种准确度在70％～80％的弱分类器集成为准确度在99％以上的强分类器,通过17例案例的实际应用,误差在4 h以内的案例达41.18％.结论 利用集成算法可以有效的将多种机器学习算法集成为推断死亡时间准确度更高的算法,基于此建立的死亡时间推断模型可以应用于死亡时间推断.
文献关键词：
法医病理学;死亡时间;集成学习
中图分类号：
作者姓名：
夏鹏;彭谨;刘振江;王小伟;王昊;常红发;杨里;孙广胜;李红卫;牛勇
作者机构：
重庆市公安局物证鉴定中心,重庆 400700;犯罪现场法医物证技术重庆市重点实验室,重庆 400700;四川大学华西医学中心基础医学与法医学院,四川成都 610041;中华人民共和国公安部刑事侦查局技术处,北京100741
文献出处：
引用格式：
[1]夏鹏;彭谨;刘振江;王小伟;王昊;常红发;杨里;孙广胜;李红卫;牛勇-.基于集成学习技术对死亡时间的研究)[J].中国法医学杂志,2022(04):323-326
A类：
sharpley
B类：
集成学习,学习技术,机器学习算法,中国西部,尸体,KNN,隔离森林,SMOTE,Synthetic,Minority,Oversampling,Technique,超采,采样算法,决策树,logistic,归集,博弈论,指数对,优化参数,集成方法,整到,弱分类器,分类器集成,例案,集成算法,算法集成,死亡时间推断,法医病理学
AB值：
0.405914
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
