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74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、醫(yī)學(xué)診斷,是指醫(yī)生給病人檢查疾病,并對(duì)病人疾病的病因、發(fā)病機(jī)制作出分類(lèi)鑒別,以此作為制定治療方案的方法和途徑。這本質(zhì)上是一個(gè)分類(lèi)過(guò)程,也稱模式識(shí)別?,F(xiàn)有的分類(lèi)方法有支持向量機(jī)(Support Vector Machine,SVM)、K鄰近(K-Nearest Neighbor,KNN)、神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)和決策樹(shù)算法等。SVM對(duì)小樣本、非線性及高維數(shù)據(jù)的模式識(shí)別問(wèn)題具有很好的魯棒性,具有較好的識(shí)別能力與適應(yīng)能

2、力。SVM在構(gòu)建分類(lèi)模型的過(guò)程中,所表現(xiàn)出的對(duì)訓(xùn)練樣本的學(xué)習(xí)能力與對(duì)測(cè)試數(shù)據(jù)的推廣性能主要由三種因素決定:原始數(shù)據(jù)集的處理、所選擇的核函數(shù)以及核函數(shù)的參數(shù)。目前 SVM在分類(lèi)過(guò)程中存在的主要問(wèn)題有:
 ?。?)目前 SVM均采用單一核函數(shù),其核函數(shù)可以分為全局核函數(shù)與局部核函數(shù)兩種。全局核函數(shù)具有推廣性能強(qiáng)而學(xué)習(xí)能力弱的特點(diǎn),而局部核函數(shù)的學(xué)習(xí)能力強(qiáng)、但是推廣性能弱。所以SVM分類(lèi)結(jié)果往往無(wú)法同時(shí)滿足較高的學(xué)習(xí)能力與推廣性能。

3、r>  (2)在 SVM參數(shù)的選擇方面,主要有兩種方法:傳統(tǒng)的網(wǎng)格搜索法與啟發(fā)式算法。網(wǎng)格搜索法特點(diǎn)是總能找到最優(yōu)解,但是耗時(shí)、效率低;啟發(fā)式算法查找速度快,但是解的精度不及網(wǎng)格搜索法高,并且遺傳算法只是概率得到最優(yōu)解。
  為了提高SVM的分類(lèi)性能,本文主要在以下幾方面進(jìn)行研究:
 ?。?)選用 Relief算法進(jìn)行特征選擇。在疾病診斷中,病人所表
  現(xiàn)出的多種臨床特征與疾病的相關(guān)性是不同的,醫(yī)生無(wú)法具體量化每個(gè)特

4、征與疾病的關(guān)聯(lián)度。因此,為了更準(zhǔn)確地進(jìn)行診斷,需要用特征選擇算法計(jì)算出每個(gè)特征的權(quán)重,也就是各個(gè)臨床癥狀與所患疾病的關(guān)聯(lián)度;
 ?。?)提出將全局與局部?jī)煞N核函數(shù)進(jìn)行線性結(jié)合,構(gòu)造學(xué)習(xí)能力與推廣性能都得到提高的混合核函數(shù);
  (3)對(duì)核函數(shù)參數(shù)進(jìn)行組合尋優(yōu),先使用啟發(fā)式算法中的遺傳算法快速查找到最優(yōu)解的大致范圍,再使用網(wǎng)格搜索法在該小范圍內(nèi)進(jìn)行二次精確搜索,不僅可以大大減少網(wǎng)格搜索法的計(jì)算時(shí)間,找到的解也比遺傳算法更優(yōu)。<

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