智能决策支持系统在医疗领域应用案例分析-CBR_第1页
智能决策支持系统在医疗领域应用案例分析-CBR_第2页
智能决策支持系统在医疗领域应用案例分析-CBR_第3页
智能决策支持系统在医疗领域应用案例分析-CBR_第4页
智能决策支持系统在医疗领域应用案例分析-CBR_第5页
已阅读5页，还剩1页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

系统建模 数据预处理 信息增益（ IG ）方法 是一种重要的基于信 息嫡的案例特征属性评价方法。医疗病案 特征属性的信息增益值表示该症状特征存 在和不存在情况下所获取到的关于诊断结 果信息的平均值，即使用这个症状特征对 病案集进行分割而导致的期望嫡的降低。 3 病案特征筛选 本方法计算得到的病案特征属性综合权重， 既考虑了粗糙集中核属性对于样本分类的 重要度 ，又利用 信息增益 弥补了粗糙集中 非核属性的重要度为的缺陷，从而获得更 好的病案特征权重。 病案检索 确定特征权重 建立 K-D 树 经过一树检索后 , 可以查找 到医疗病案库中与待诊断病 案最相似的病案。如果该病 案的相似度足够高，即满足 预设的相似度阀值，则可将 此病案作为结果输出。 集成优化推理 系统建模 数据预处理 3 病案特征筛选 组合多个学习器的最简单方法是通过投票， 相当于学习器的线性组合，这种方法也称 为线性判断组合。 病案检索 以抽取的 N 个样本作为训练集，以 C4.5 决 策树为基学习器，训练 M 个决策树。在此 基础上应用Bagging算法。 Bagging 是一种典型的投票算法，其基本 思想是：对一个给定样本，由之前训练的 M 个模型，每一个模型给出一个预测值， 得票最多的值即确定为分类结果。 集成优化推理 训练C4.5决策树

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论