基于AdaBoost特征选择和XGBoost的帕金森病诊断

• 作者: 谭言丹 赵光财 赵阳洋
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 帕金森病 语音数据集 集成学习 AdaBoost XGBoost
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 应用技术
• 页码范围: 124-128
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.09.025

摘要

为实现准确的帕金森病(PD)早期诊断,文中提出基于语音信号的集成学习诊断方法.基于AdaBoost的特征筛选方式被设计来获得最优目标特征子集,其中过多的弱分类器能习得更多目标特征,而计算复杂度和更多不相关特征被习得的风险也随之增加.相反地,较少弱分类器能降低计算复杂度,然而涉及信息丢失问题.为获得最优弱分类器方案,文中基于监督学习获得最优弱分类器配置.最后,为提升所提出方法的泛化性能,基于正则化损失函数的XGBoost被开发来实现最终病情诊断.实验结果显示,所提出方案的精度(97.28％)相比其它先进算法提升了1.93％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭言丹		1	0	0.0	0.0
2	赵阳洋		1	0	0.0	0.0
3	赵光财		1	0	0.0	0.0