【技术实现步骤摘要】
本专利技术涉及疾病检测的，尤其是指一种基于宽度集成学习的疾病检测系统。
技术介绍
1、疾病检测系统在机器学习技术中的研究非常活跃，机器学习方法能够自动分析患者数据，辅助医生对病患进行辅助治疗，在提高各种疾病早期诊断的准确性、速度和效率方面发挥了重要作用。集成学习通过某种策略将多个机器学习方法集成起来，通过群体决策来提高决策准确率。基于传统机器学习方法和深度学习方法的集成学习在疾病检测领域应用广泛。然而，传统机器学习方法依赖先验知识和特征工程，特征提取能力有限，导致模型泛化能力有限；大多数传统机器学习方法基于线性假设，难以应对非线性问题，模型拟合能力弱。深度学习方法则通过加深神经网络的层数提取丰富且抽象的特征用于疾病检测。然而，越来越深的神经网络结构持续加重了计算资源负担和计算时间开销，梯度更新权重的方式会造成梯度消失和梯度爆炸的问题。此外，深度学习需要海量数据进行训练，在小数据中会出现过拟合的现象，泛化能力较差。
2、机器学习领域的疾病检测系统研究已取得重大进展，但是现有方法难以以较小的训练代价获得较好的检测效果。而宽度学习...
【技术保护点】
1.基于宽度集成学习的疾病检测系统，其特征在于，包括：
2.根据权利要求1所述的基于宽度集成学习的疾病检测系统，其特征在于，所述数据获取模块将各个维度的样本特征约束至同一个数量级，从而平衡各个特征的贡献程度。
3.根据权利要求2所述的基于宽度集成学习的疾病检测系统，其特征在于，所述初级分类模块的具体操作步骤如下：
4.根据权利要求3所述的基于宽度集成学习的疾病检测系统，其特征在于，所述次级分类模块的具体操作步骤如下：
【技术特征摘要】
1.基于宽度集成学习的疾病检测系统，其特征在于，包括：
2.根据权利要求1所述的基于宽度集成学习的疾病检测系统，其特征在于，所述数据获取模块将各个维度的样本特征约束至同一个数量级，从而平衡各个特征的贡献程度。
...【专利技术属性】
技术研发人员：云帆，范紫薇，余志文，杨楷翔，陈俊龙，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。