婦幼保健疾病數據挖掘及可視化的研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、醫(yī)療科學直接關乎人們的生命健康,在進入“互聯(lián)網+”時代的今天,如何從醫(yī)療數據中探索未來的醫(yī)學科學,如何在龐大的數據資源中快速獲取信息,提升醫(yī)療工作者的集體經驗,是亟待探討的現(xiàn)實問題。
  從數據處理的角度,醫(yī)療數據具有異構性、復雜性、隱私性等特點,有很多不完整、不一致的“臟數據”,對數據挖掘結果的準確性有很大的影響,因此本文提出了一種基于全局相似度(Based On Global Similarity,BGS)算法消除噪聲數據;從

2、數據挖掘的角度,有必要從海量的醫(yī)療數據庫中提取出隱藏的、可信而有效的信息,為醫(yī)療工作者做出相應決策提供科學依據。支持向量機是數據挖掘中的一項新技術,建立了一套規(guī)范的統(tǒng)計學習理論和方法,它在解決樣本規(guī)模小、維數眾多的模式識別中表現(xiàn)出諸多優(yōu)勢。但是,當樣本維數較高且存在臟數據干擾時,傳統(tǒng)的支持向量機會出現(xiàn)訓練速度變慢,分類性能降低等問題,為解決此問題,本文提出了一種改進的樣本加權增量的支持向量機算法,即基于樣本關聯(lián)度權重的增量支持向量機算法

3、(SCW-ISVM)。
  本文首先簡要地闡述了該論文研究的背景、意義以及國內外現(xiàn)狀,并對醫(yī)療數據挖掘基本過程和主要技術進行了概述,將數據可視化的過程和數據可視化的設計進行了描述,并對可視化基本圖表進行了舉例說明。
  然后,介紹了數據預處理的概念和方法,在共享最近鄰相似度算法的基礎之上,提出了基于全局相似度的噪聲消除算法,即根據兩個樣本被其他樣本作為近鄰形式共享的相似程度來判斷是否為孤立點。并對兩種算法進行實驗比較,發(fā)現(xiàn)本

4、文提出的算法召回率較高,能更好的消除噪聲數據。
  其次,對支持向量機技術進行了概述,并對線性可分時的二元分類問題和線性不可分時的二元分類問題分別進行了論述,在此基礎上,闡述了基于 KKT的增量學習算法的支持向量機。
  最后,重點介紹了基于樣本關聯(lián)度權重的增量支持向量機算法(SCW-ISVM)提出的依據,以及樣本加權的方法和算法步驟,并在某婦幼保健院的乳腺癌數據集和標準庫中的數據集上,與其他兩種支持向量機算法在分類精度和訓

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論