期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
BO-AUC多类分类评估方法 被引量:2
1
作者 秦锋 杨帆 +1 位作者 程泽凯 刘牛 《计算机工程与应用》 CSCD 2012年第5期156-158,共3页
分类技术是数据挖掘研究的核心技术之一,分类评估也是研究热点,基于AUC评估方法是分类评估领域的研究热点,其中B-AUC评估算法可以有效地评估分类器性能,但该评估方法有不足之处。该分类评估方法建立在不对称的两个类别上,影响了评价结果... 分类技术是数据挖掘研究的核心技术之一,分类评估也是研究热点,基于AUC评估方法是分类评估领域的研究热点,其中B-AUC评估算法可以有效地评估分类器性能,但该评估方法有不足之处。该分类评估方法建立在不对称的两个类别上,影响了评价结果;根据非完全二叉树思想存储,浪费了存储空间;基于偏二叉树的搜索效率不高。利用完全二叉树的构造思想提出了BO-AUC评估方法,该方法将n个类别的分类问题分解为独立的二类进行成对的计算,可以有效地解决B-AUC的不足,进一步扩展基于AUC的评估标准,在MBNC实验上编程实现该方法,实验结果表明BO-AUC方法的有效性。 展开更多
关键词 曲线下的面积(auc)评估 基于二叉树方法求的曲线下的面积(B-auc) 完全二叉树 优化的基于二叉树方法求的曲线下的面积(BO-auc) 分类器性能
在线阅读 下载PDF
蒙特利尔认知评估量表筛查2型糖尿病患者轻度认知障碍的最佳临界值及其价值 被引量:22
2
作者 宫娟 郑红英 +2 位作者 何勇 汪璐璐 刘安诺 《中国全科医学》 CAS CSCD 北大核心 2016年第2期142-145,共4页
目的探讨蒙特利尔认知评估(MoCA)量表筛查2型糖尿病患者轻度认知障碍的最佳临界值及其价值。方法选择2015年1—5月在合肥市某所三级甲等医院内分泌科住院的2型糖尿病患者158例,使用欧洲联盟轻度认知障碍工作组诊断标准为确诊轻度认知障... 目的探讨蒙特利尔认知评估(MoCA)量表筛查2型糖尿病患者轻度认知障碍的最佳临界值及其价值。方法选择2015年1—5月在合肥市某所三级甲等医院内分泌科住院的2型糖尿病患者158例,使用欧洲联盟轻度认知障碍工作组诊断标准为确诊轻度认知障碍金标准,对2型糖尿病患者使用MoCA量表(长沙版)进行轻度认知障碍筛查,获取其最佳临界值并判断其价值。结果 MoCA量表(长沙版)筛查2型糖尿病患者轻度认知障碍最佳临界值为25.5分,分值取整后,最佳临界值为26分,其灵敏度为87.0%,特异度为90.1%,阳性预测值为89.3%,阴性预测值为88.0%,Kappa值为0.77,一致性较好。ROC曲线下面积为0.952〔SE=0.015,95%CI(0.922,0.983),P<0.01〕。结论 MoCA量表(长沙版)筛查2型糖尿病患者轻度认知障碍最佳临界值为26分,诊断准确性高,可作为临床筛查2型糖尿病患者轻度认知障碍的有效工具。 展开更多
关键词 糖尿病 2型 轻度认知障碍 最佳临界值 曲线下面积 蒙特利尔认知评估量表
在线阅读 下载PDF
数字调制信号识别性能的评估方法
3
作者 刘明骞 李兵兵 刘涵 《计算机科学》 CSCD 北大核心 2011年第5期64-66,共3页
针对正确率不能客观全面地评估数字调制信号识别性能的问题,提出采用受试者操作特征(ROC)曲线下的面积(AUC)对最小二乘支持向量机分类器和传统的神经网络分类器进行性能评估。首先提取5个特征参数,然后分别采用最小二乘支持向量机分类... 针对正确率不能客观全面地评估数字调制信号识别性能的问题,提出采用受试者操作特征(ROC)曲线下的面积(AUC)对最小二乘支持向量机分类器和传统的神经网络分类器进行性能评估。首先提取5个特征参数,然后分别采用最小二乘支持向量机分类器和神经网络分类器成功地实现了数字调制信号识别,最后通过计算ROC曲线下的AUC值来评估分类器的优劣。仿真实验结果表明,最小二乘支持向量机分类器比神经网络分类器的平均性能好。 展开更多
关键词 性能评估 auc ROC曲线 支持向量机 调制识别
在线阅读 下载PDF
磁共振扩散加权成像ADC值对普通型骨肉瘤新辅助化疗早期疗效的评估价值 被引量:4
4
作者 李玉增 麦尔哈巴·努尔麦麦提 +1 位作者 徐慧 张石峰 《磁共振成像》 CAS CSCD 北大核心 2022年第11期88-92,136,共6页
目的探讨磁共振扩散加权成像(diffusion-weighted imaging,DWI)不同表观扩散系数(apparent diffusion coefficient,ADC)值及其变化率对骨肉瘤新辅助化疗(neoadjuvant chemotherapy,NAC)早期疗效的评估价值。材料与方法回顾性分析2019年... 目的探讨磁共振扩散加权成像(diffusion-weighted imaging,DWI)不同表观扩散系数(apparent diffusion coefficient,ADC)值及其变化率对骨肉瘤新辅助化疗(neoadjuvant chemotherapy,NAC)早期疗效的评估价值。材料与方法回顾性分析2019年1月至2022年3月期间在新疆医科大学附属肿瘤医院行NAC的骨肉瘤患者病例23例,在NAC前、化疗4周期后进行常规MRI和DWI检查,分别获得不同ADC值及其变化率等参数值。根据病理组织学Huvos分级法将患者按照化疗疗效分为组织学反应良好组与组织学反应差组,比较两组间的不同ADC值[平均ADC值(ADC_(mean))、最小ADC值(ADC_(min))、单位体积的平均ADC值(ADC_(mean)/V)、单位体积的最小ADC值(ADC_(min)/V)]及其变化率的差异。结果组织学反应良好组化疗前后ADC_(mean)、ADC_(min)、ADC_(mean)/V、ADC_(min)/V差异均有统计学意义,P值均<0.05(分别为0.024、<0.001、0.018、0.046)。组织学反应差组化疗前后ADC_(mean)、ADC_(min)、ADC_(min)/V差异均有统计学意义,P值均<0.05(分别为0.005、<0.001、0.020),ADC_(mean)/V差异无统计学意义(P=0.071,P>0.05)。两组间ADC_(mean)、ADC_(min)、ADC_(mean)/V、ADC_(min)/V的变化率差异均有统计学意义,P值均<0.05(分别为0.047、0.006、0.039、0.015)。经受试者工作特征(receiver operating characteristic,ROC)曲线分析ADC_(min)变化率曲线下面积(area under the curve,AUC)为0.938,高于ADC_(mean)、ADC_(min)/V、ADC_(mean)/V等变化率(AUC分别为0.783、0.767、0.813)。结论不同ADC值及其变化率对骨肉瘤早期疗效评估具有重要价值,ADC_(min)变化率在骨肉瘤疗效预测中具有显著优势。 展开更多
关键词 骨肉瘤 新辅助化疗 疗效评估 曲线下面积 表观扩散系数 扩散加权成像 磁共振成像
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部