智能決策支持系統(tǒng)在醫(yī)療領(lǐng)域應(yīng)用案例分析-CBR_第1頁
智能決策支持系統(tǒng)在醫(yī)療領(lǐng)域應(yīng)用案例分析-CBR_第2頁
智能決策支持系統(tǒng)在醫(yī)療領(lǐng)域應(yīng)用案例分析-CBR_第3頁
智能決策支持系統(tǒng)在醫(yī)療領(lǐng)域應(yīng)用案例分析-CBR_第4頁
智能決策支持系統(tǒng)在醫(yī)療領(lǐng)域應(yīng)用案例分析-CBR_第5頁
已閱讀5頁，還剩1頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

系統(tǒng)建模 數(shù)據(jù)預(yù)處理 信息增益（ IG ）方法 是一種重要的基于信 息嫡的案例特征屬性評價方法。醫(yī)療病案 特征屬性的信息增益值表示該癥狀特征存 在和不存在情況下所獲取到的關(guān)于診斷結(jié) 果信息的平均值，即使用這個癥狀特征對 病案集進(jìn)行分割而導(dǎo)致的期望嫡的降低。 3 病案特征篩選 本方法計算得到的病案特征屬性綜合權(quán)重， 既考慮了粗糙集中核屬性對于樣本分類的 重要度 ，又利用 信息增益 彌補了粗糙集中 非核屬性的重要度為的缺陷，從而獲得更 好的病案特征權(quán)重。 病案檢索 確定特征權(quán)重 建立 K-D 樹 經(jīng)過一樹檢索后 , 可以查找 到醫(yī)療病案庫中與待診斷病 案最相似的病案。如果該病 案的相似度足夠高，即滿足 預(yù)設(shè)的相似度閥值，則可將 此病案作為結(jié)果輸出。 集成優(yōu)化推理 系統(tǒng)建模 數(shù)據(jù)預(yù)處理 3 病案特征篩選 組合多個學(xué)習(xí)器的最簡單方法是通過投票， 相當(dāng)于學(xué)習(xí)器的線性組合，這種方法也稱 為線性判斷組合。 病案檢索 以抽取的 N 個樣本作為訓(xùn)練集，以 C4.5 決 策樹為基學(xué)習(xí)器，訓(xùn)練 M 個決策樹。在此 基礎(chǔ)上應(yīng)用Bagging算法。 Bagging 是一種典型的投票算法，其基本 思想是：對一個給定樣本，由之前訓(xùn)練的 M 個模型，每一個模型給出一個預(yù)測值， 得票最多的值即確定為分類結(jié)果。 集成優(yōu)化推理 訓(xùn)練C4.5決策樹

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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