基于Local Cascade Ensemble方法的胎儿健康自动分类  

作　　者：黄梅佳 李宗辉[1] 郑博伟 HUANG Meijia;LI Zonghui;ZHENG Bowei

机构地区：[1]揭阳职业技术学院信息工程系,广东揭阳522000

出　　处：《信息技术与信息化》2024年第4期122-125,共4页Information Technology and Informatization

基　　金：2021年揭阳职业技术学院科学研究项目:胎心监护智能分析算法研究与实现(项目编号:2021JYCKY21)。

摘　　要：为更好地自动评估胎儿宫内状态,提出一种基于local cascade ensemble(LCE)方法的胎儿健康状态分类模型。选用UCI数据集,使用ADASYN方法对不平衡数据集进行填充平衡,接着结合随机森林算法对数据特征进行选择,最后使用LCE方法对胎儿状态进行自动分类。实验结果表明,所提出模型使用的方法平均准确率、精确率、召回率和F1分数分别达到了0.9554、0.9054、0.9557和0.9290,对比传统的机器学习算法能得到更好的分类效果,有效降低了误判率。

关 键 词：机器学习 胎儿监护 自动分类 Local Cascade Ensemble 

分 类 号：TN911.7[电子电信—通信与信息系统] TP181[电子电信—信息与通信工程] R714.5[自动化与计算机技术—控制理论与控制工程]