2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩77頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、目前CBR醫(yī)療輔助診斷系統(tǒng)相似度準(zhǔn)則不能隨案例增加進(jìn)行更新,無(wú)法實(shí)現(xiàn)動(dòng)態(tài)學(xué)習(xí),模型檢索效率隨案例庫(kù)規(guī)模增加而降低,在醫(yī)療數(shù)據(jù)缺失條件下診斷準(zhǔn)確性較低。針對(duì)這些問(wèn)題,建立貝葉斯網(wǎng)絡(luò)-基于案例推理(BN-CBR)混合診斷模型,解決醫(yī)療診斷數(shù)據(jù)缺失問(wèn)題,滿足案例庫(kù)更新要求,提高診斷效率與正確性。
   論文將貝葉斯網(wǎng)絡(luò)(BN)與基于案例推理方法(CBR)結(jié)合建立BN-CBR混合診斷模型。模型以CBR作為基本的推理機(jī)制,通過(guò)檢索以往案例

2、為當(dāng)前診斷問(wèn)題提供決策支持。BN作為一種數(shù)據(jù)挖掘工具對(duì)案例庫(kù)進(jìn)行學(xué)習(xí)獲得診斷屬性間存在的潛在關(guān)聯(lián)知識(shí),將這些知識(shí)通過(guò)相似度評(píng)價(jià)函數(shù)反映到模型的案例檢索過(guò)程中。在此基礎(chǔ)上,提出通過(guò)K-D樹(shù)算法組織案例庫(kù),按照診斷屬性權(quán)重將案例庫(kù)劃分為不同的案例子集,模型在各案例子集中進(jìn)行檢索,這樣大大壓縮了檢索空間,提高案例檢索效率。利用信息增益算法從大量診斷屬性中篩選最優(yōu)屬性子集,利用自省學(xué)習(xí)方法為每個(gè)屬性分配權(quán)重。提出了通過(guò)人機(jī)結(jié)合方式進(jìn)行案例改寫(xiě)和

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論