基于栈式稀疏自编码器的孤独症严重程度预测

作者：车敏,王丽亚

摘要：有效的早期诊断对孤独症有着重大意义。为此,提出一种综合考虑遗传因素及环境因素预测孤独症严重程度的方法。根据儿童孤独症评定量表(CARS),从孤独症门诊收集了样本集,建立基于栈式稀疏自编码器结合Softmax分类器的预测模型,并与常用的决策树、支持向量机方法进行了比较。经过试验证明,所提出的基于栈式稀疏自编码器的模型预测孤独症严重程度的准确率最高。

发文机构：上海交通大学机械与动力工程学院

关键词：孤独症严重程度栈式稀疏自编码器Softmax分类器autism severitystacked sparse autoencodersoftmax classifier

分类号： R749[医药卫生—神经病学与精神病学]