为了解决传统机器学习模型在早产预测时综合性能不足的问题,提出一种基于Stacking模型的早产预测方法。首先,在数据预处理阶段,采用欠采样技术平衡正、负样本分布,并通过数据标准化消除变量间的数值差异;其次,通过分析特征之间的相关性...为了解决传统机器学习模型在早产预测时综合性能不足的问题,提出一种基于Stacking模型的早产预测方法。首先,在数据预处理阶段,采用欠采样技术平衡正、负样本分布,并通过数据标准化消除变量间的数值差异;其次,通过分析特征之间的相关性和特征重要性分数,进行特征选择;然后,在Stacking模型构建时,通过分析机器学习算法预测结果间的皮尔逊相关系数,调整基分类器的类型和数量;最后,利用多种评价指标对基于Stacking模型的早产预测方法进行全面评估,并将其与现有方法对比分析,验证该方法的有效性。结果表明:所提方法在ROC曲线下面积(area under the curve,AUC)、准确率(Accuracy)、F 1值和召回率(Recall)方面,分别达到了0.9219、0.9229、0.9164和0.8585,均优于搭建Stacking模型所用的11个单一模型的最佳表现,且整体性能优于现有研究方法。所提方法能够高效识别孕早期的早产高风险人群,为早产的提前干预提供有力支持。展开更多
针对助听器等设备在非平稳或多种噪声并存环境下使用效果急剧下降的问题,提出一种基于小尺寸麦克风阵的相干滤波广义旁瓣抵消(CF-GSC)语音增强算法。该算法结合麦克风阵采集信号的特点,对各阵元间采集时表现为弱相关的海浪、风扇等近似...针对助听器等设备在非平稳或多种噪声并存环境下使用效果急剧下降的问题,提出一种基于小尺寸麦克风阵的相干滤波广义旁瓣抵消(CF-GSC)语音增强算法。该算法结合麦克风阵采集信号的特点,对各阵元间采集时表现为弱相关的海浪、风扇等近似白噪声,以及采集时表现为强相关的点源信号及其他竞争噪声,分别利用相干滤波和传统广义旁瓣抵消(GSC)结构对弱相关与强相关噪声的良好滤除效果,结合语音活动检测(VAD)在噪声段进行联合处理。仿真实验表明在多类噪声存在环境下,该算法能取得相对改进的通道间相干函数滤波算法及传统广义旁瓣抵消算法2 d B左右的增强效果提升,同时能获得良好的话音可懂度。展开更多
文摘为了解决传统机器学习模型在早产预测时综合性能不足的问题,提出一种基于Stacking模型的早产预测方法。首先,在数据预处理阶段,采用欠采样技术平衡正、负样本分布,并通过数据标准化消除变量间的数值差异;其次,通过分析特征之间的相关性和特征重要性分数,进行特征选择;然后,在Stacking模型构建时,通过分析机器学习算法预测结果间的皮尔逊相关系数,调整基分类器的类型和数量;最后,利用多种评价指标对基于Stacking模型的早产预测方法进行全面评估,并将其与现有方法对比分析,验证该方法的有效性。结果表明:所提方法在ROC曲线下面积(area under the curve,AUC)、准确率(Accuracy)、F 1值和召回率(Recall)方面,分别达到了0.9219、0.9229、0.9164和0.8585,均优于搭建Stacking模型所用的11个单一模型的最佳表现,且整体性能优于现有研究方法。所提方法能够高效识别孕早期的早产高风险人群,为早产的提前干预提供有力支持。
文摘针对助听器等设备在非平稳或多种噪声并存环境下使用效果急剧下降的问题,提出一种基于小尺寸麦克风阵的相干滤波广义旁瓣抵消(CF-GSC)语音增强算法。该算法结合麦克风阵采集信号的特点,对各阵元间采集时表现为弱相关的海浪、风扇等近似白噪声,以及采集时表现为强相关的点源信号及其他竞争噪声,分别利用相干滤波和传统广义旁瓣抵消(GSC)结构对弱相关与强相关噪声的良好滤除效果,结合语音活动检测(VAD)在噪声段进行联合处理。仿真实验表明在多类噪声存在环境下,该算法能取得相对改进的通道间相干函数滤波算法及传统广义旁瓣抵消算法2 d B左右的增强效果提升,同时能获得良好的话音可懂度。
