首页 > 文献资料
-
基于决策树分类C4.5算法对乳腺肿块计算机辅助诊断的应用研究
本文尝试运用数据挖掘中的决策树分析技术,对BI-RADS乳腺肿块病例进行推理,得到相对应的诊断结论.为提高乳腺疾病计算机辅助诊断和临床诊治水平,提供一个参考的方法.
-
常用分类算法在脑梗死预测中的比较研究
目的:比较常用分类算法对脑梗死的分类预测能力.方法:将反映动脉弹性的6个脉搏波参数加年龄、性别一共8个指标作为每个样本的特征.把样本按3:1随机分为训练集和测试集两部分.分别利用人工神经网络(ANN)、贝叶斯(Bayes)、决策树(Decision Tree,DT)、K邻近法(k-NN)、支持向量机(SVM)算法构造分类器,使用各分类器对训练集样本进行学习以建立分类预测模型,再用测试集测试各个模型的分类准确度.结果:SVM分类器和DT分类器效果较好,准确率超过80%.结论:以反映血管弹性的脉搏波参数结合性别、年龄作为特征并使用SVM或者DT算法来构建分类预测模型,有一定实用价值.
-
应用分类算法研究中医证候的思路与方法探讨
文章介绍了分类算法的应用背景,从中医现代中医诊断技术的发展等方面分述分类方法在中医证候研究中的意义,针对目前研究现状提出研究的思路和方法,认为进一步研究应循序渐进,在对数据挖掘中的分类技术深入研究的基础上,先进行二分类研究,再逐步扩展进行多分类研究.结合具体样本数据集,对于每一个数据集分别用数据挖掘中的种主要的分类算法进行比较分析,分析比较各种算法的特性,为更有效地解决实际问题提供借鉴.
-
基于数据挖掘的围绝经期综合征中医证候分类算法分析
目的：采用现代中医诊断技术结合人工智能分析方法进行围绝经期综合征中医辨证研究，以期建立佳证候分类方法。方法门诊收集围绝经期综合征患者四诊信息，按照中医辨证标准进行证型分类，采用贝叶斯网络算法、K近邻算法、支持向量机算法3种常用数据挖掘分类算法对围绝经期综合征四诊信息数据进行分析。结果分别得出在相同训练、测试样本数据下3种算法建立围绝经期综合征中医证候模型所需时间、分类准确性、覆盖率及margin曲线，分析了训练样本数量对3种算法的影响，并对3种算法所建立模型进行了评价。结论在围绝经期综合征证候分类效果方面，贝叶斯网络算法优于其他2种方法。
-
一种基于心率和深层学习的心电图分类算法
目的 研究适用于远程医疗服务系统、体检中心和临床应用的心电图(electrocardiogram,ECG)正异常分类算法.方法 首先,通过心率筛除异常数据.然后,对于心率判为正常的心电图,采用LCNN对心电图再次进行正异常分类,并对多个LCNN的分类结果进行融合.结果 在15万多条记录的临床数据集上测试,取得了84.77％的准确率,85.19％的灵敏度和84.45％的特异性.结论 该实验结果优于对照文献,同时对应用于远程医疗和体检中心的计算辅助分析方法具有一定的参考价值.
-
11种主要人体寄生虫虫卵的数字化描述及自动识别研究
目的 借助计算机技术协助进行寄生虫虫卵的识别,建立适应自动化仪器中临床应用的虫卵分类器算法和相应流程. 方法 选择华支睾吸虫(Clonorchis sinensis)、猪带绦虫(Taenia solium)、蛲虫(Enterobius vermicularis)、蛔虫(Ascaris lumbricoides)、鞭虫(Trichuris trichiura)、曼氏迭宫绦虫(Spirometra mansoni)、阔节裂头绦虫(Diphyllobothrium latum)、十二指肠钩虫(Ancylos toma duodenale)、日本血吸虫(Schistosoma japonicum)、卫氏并殖吸虫(Paragonimus westermani)和布氏姜片吸虫(Fasciolopsis buski)等11种寄生虫的虫卵,分为训练组和测试组进行显微摄影,并使用基于VC++技术进行特征值提取.构建特征值数据库,使用多种分类算法对训练组数据库进行测试,选取分类效率高的方法构建分类器,建立基于多特征融合的识别方法. 结果 获取了11种寄生虫虫卵图像,去除无法识别或含无效值的图片后,训练数据组虫卵图片为19 844张,测试组为3 721张.对虫卵的14种特征值进行采集,发现11种虫卵的大小、颜色均有显著差异.如11种虫卵中体积小的华支睾吸虫虫卵的长度、宽度、面积、亮度的均值分别为292.24 μm、192.64 μm、43 416.61 μm2、53.84,而体积大的布氏姜片吸虫虫卵则分别为945.31 μm、610.88 μm、536 002.60μm2、100.54.在多特征融合检索时用动态生成权值的方法建立分类器,对训练样本集的区分率为88.89％ (17 641/19 844),该分类器对测试样本集的识别率为91.83％(3 004/3 271),平均建模时间为0.01 s. 结论 建立了基于特征值融合方法的寄生虫虫卵分类器算法及相应流程,为其可行性的进一步研究打下了基础.
-
常用分类算法在不同样本量和类分布的不平衡数据中的分类效果比较
目的：比较常用分类算法在不同样本量和稀有类比例的不平衡数据集中的分类效果。方法采用Monte Carlo模拟,产生不同样本量和稀有类比例的随机样本,并分别用各分类算法进行分类,比较各算法的F1值和AUC值。结果各算法的分类效果均随样本量和稀有类比例增加而增加,F1值的变化更明显,稀有类占30%和20%时,F1值变化幅度<0.2,且均达到0.6以上(AUC>0.83)。 logistic回归和神经网络在样本量为150和500时要优于其它三种算法,样本量5000稀有类占5%和3%时,随机森林的F1值要明显高于其它算法。结论 F1值受样本量和类分布影响较大,稀有类比例不太低时各算法仍具有可接受的分类效果,小样本时logistic回归和神经网络效果较好,稀有类比例较低且样本量大时随机森林效果要优于其余算法。
关键词： 不平衡数据集 分类算法 Monte Carlo -
数据挖掘分类方法在中医证候研究中的运用探析
中医对疾病的诊治是建立在证候辨证的基础上,证候是指导临床正确选方用药、确定临床疗效的依据,是中医学理论的核心问题;但中医证候类型的复杂多样却在一定程度上制约着中医药科学的发展.文中对几大数据挖掘分类方法在中医证候研究中的运用进行探讨,并就今后的研究重点和方向提出看法.
-
中医诊断模型构建中的两种常用数据挖掘分类技术
决策树和神经网络是经典的数据挖掘分类技术，介绍这两种常用分类技术及其在中医诊断模型构建中的应用，分析总结了算法的优势与不足，以期为研究者在选择算法时提供依据。
-
基因表达谱数据分类算法综述
基因表达谱数据的分类算法有很多种,每种分类算法有其各自的特点,不同分类算法在不同基因表达谱数据中的分类效果也有所不同.本文主要对目前应用较多的四种分类算法(判别分析、决策树、支持向量机、集成算法)的特点和研究进展进行综述,为相关研究和应用提供科学指导.
-
中文文本自动分类研究进展
简要回顾了文本自动分类研究的发展史,对现有的中文文本分类技术和分类系统进行了分析与比较,同时讨论了目前主要的几种自动分类算法,在此基础上指出了当前中文文本自动分类研究存在的不足和今后研究的重点.后指出了加强各类电子词典的建设是促进自动分类技术不断成熟并被广泛应用的一个重要工作.
