一个独特的基于MIMBO-NBRF的自动化系统用于儿童出生模式预测
1Department of Computer Science and Engineering, Sathyabama Institute of Science and Technology, Chennai 600 119, Tamilnadu, India.
Artificial intelligence in medicine
|September 6, 2023
概括
这项研究引入了一种新的机器学习系统,用于预测婴儿出生模式. 拟议的MIMBO-NBRF混合模型实现了高精度,改进了现有方法.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 预测孩子的出生方式仍然是一个复杂的挑战,有限的传统方法.
- 现有的方法缺乏可靠的技术来准确预测出生模式.
研究的目的:
- 为儿童出生模式预测系统开发一种基于优化的新型机器学习技术.
- 使用混合机器学习模型创建一个高效的自动化系统.
主要方法:
- 实施数据归算,以提高数据集质量.
- 采用多变量强化地雷爆炸优化 (MIMBO) 进行特征选择.
- 开发了一个集成的天真贝叶斯 - 随机森林 (NBRF) 分类器,增强了鸟交配 (BM) 优化,用于概率参数估计.
主要成果:
- MIMBO-NBRF技术显著提高了分类器的性能.
- 实现了较低的计算负担和更高的预测准确性.
- 与现有方法相比,表现出优异的结果,达到99%的平均准确性.
结论:
- 拟议的MIMBO-NBRF框架提供了一个简单但高效的自动化系统,用于儿童出生模式预测.
- 混合模型有效地整合了先进的优化和分类技术.
- 该系统在预测准确性和计算效率方面取得了显著的改进.
