医学诊断中集成学习技术研究.pdfVIP

下载本文档

1
0
约1.7万字
约 4页
2017-10-28 发布于安徽
举报
版权申诉

医学诊断中集成学习技术研究.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

医学诊断中集成学习技术的研究何鸣李国正袁捷 (上海大学计算机工程与科学学院，上海200072) 摘要计算机辅助医学诊断是机器学习技术的一个重要实践，但是在医学诊断中一个重要影响因素来自于数据集中的冗余特征。为了消除诊断中冗余特征对集成学习方法的精度的影响，文章提出了一种PCA—FS—Bagging算法，利用主成份分析进行特征变换来解决这个问题。算法在三个医学诊断数据集上与其它算法比如单个支持向量机、支持向量机 Bagging集成等进行了性能比较，结果显示了PCA-FS-Bagging算法具有较好的性能。关键词集成学习主成份分析支持向量机医学诊断文献标识码A 中图分类号TPl8 文章编号1002—8331(2006)28—0218-03 for A onEnsembleMethodsMedical Study Diagnosis HE LI YUANJie Ming Guo-zheng of and 20072) (School ComputerEngineeringScience，ShanghaiUniversity，Shanghai aided is all ofmachine acritical medical Abatract：Computerdiagnosisimportantpractice learningtechniques，but sets．Inorderto factor the ofmedical is fromtheredundantfeaturesofmedicaldata reducingaccuracy diagnosis the is inthis tosolve improvediagnosisaccuracy．PCA—FS—Baggingproposed paperusingprinciplecomponentanalysis theredundant is with vector of vector features．PCA-FS-Baggingsingle support compared support machine，bagging real data resultsshowthat betterthanthe machinesonthree benchmark sets．Experimental PCA—FS-Baggingperforms othertwo do． algorithms Vector Machines，medical Keywords：ensemblelearning，PrincipleComponentAnalysis，Suppoa diagnosi