31、帕金森病数据分析与预测及面部表情识别系统

帕金森病数据分析与预测及面部表情识别系统

帕金森病数据分析与预测

1. 相关研究回顾
   • 堆叠集成技术 ：堆叠是一种集成技术，利用微调后的分类器生成高级最终模型。它是两级预测技术，0级时基础学习器根据原始数据预测，元分类器利用基础学习器的预测进行1级（最终）预测。
   • 心血管疾病检测 ：有研究提出包含决策树、神经网络、粗糙集、朴素贝叶斯和SVM算法的混合算法系统用于心血管疾病检测。使用UCL实验室数据，经皮尔逊相关系数选取出14个特征子集，该混合算法的F - 度量达86.8%，优于其他单个分类器，采用十折交叉验证评估。
   • 帕金森病预测 ：
     • 有研究提出多种机器学习模型，如多项式逻辑回归、人工神经网络、带支持向量机和主成分分析的旋转森林集成及其他提升方法用于帕金森病预测。用新的集成方法（贝叶斯网络）进行特征选择和排序，经Haar小波和禁忌搜索算法优化，多项式逻辑回归准确率达100%，特异性和灵敏度分别为99.6%和98.3%，用t检验在95%置信度下验证。
     • 从mPower语音数据集提取两个特征集，对其应用多种监督学习技术，CNN整体准确率最高达86%，GeMaps和AVEC数据集的AUC分数分别为0.823和0.915。
     • 用“cfsSubsetEval”属性评估器和“BestFirst - Search”方法将特征从24个减至11个，在新数据集应用多种算法，发现ANN和KNN算法组合准确