典型文献
基于改进深度神经网络的心血管疾病预测
文献摘要：
心血管疾病是威胁人类健康的常见疾病,为了能够更加准确地对其预测,本文在传统DNN模型基础上进行优化改进,提出定向正则的深度神经网络(TR-DNN)模型,通过改进原有深度神经网络模型所存在的缺陷,使其能够更好地对心血管疾病数据集进行训练并测试,进一步实现心血管疾病预测任务.实验表明该模型在数据集训练上的表现良好,并且在测试集上取得优秀的结果.最后,将TR-DNN与SVM、RF、XGBoost模型在同一数据集进行结果比较,TR-DNN模型的各项评价指标均优于其它模型,在准确率方面相较传统DNN模型提高1.507个百分点,召回率提高1.57个百分点,特异度提高2.54个百分点,精确率提高1.51个百分点.因此,TR-DNN模型可以应用于心血管疾病的预测.
文献关键词：
心血管病预测;深度神经网络;辅助诊断;优化算法
中图分类号：
作者姓名：
刘玉航;曲媛;徐英豪;朱习军;于岩
作者机构：
青岛科技大学信息科学技术学院,山东 青岛266061;青岛市海润自来水集团有限公司东部分公司,山东 青岛266000
文献出处：
引用格式：
[1]刘玉航;曲媛;徐英豪;朱习军;于岩-.基于改进深度神经网络的心血管疾病预测)[J].计算机与现代化,2022(06):75-79
A类：
心血管病预测
B类：
进深,心血管疾病,疾病预测,常见疾病,DNN,优化改进,正则,TR,有深度,深度神经网络模型,集训,测试集,RF,XGBoost,一数,结果比较,百分点,召回率,精确率,辅助诊断
AB值：
0.229718
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。
