注冊(cè) | 登錄讀書(shū)好,好讀書(shū),讀好書(shū)!
讀書(shū)網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書(shū)科學(xué)技術(shù)醫(yī)學(xué)預(yù)防醫(yī)學(xué)、衛(wèi)生學(xué)醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí)

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí)

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí)

定 價(jià):¥118.00

作 者: 付賽際、田英杰
出版社: 清華大學(xué)出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

購(gòu)買(mǎi)這本書(shū)可以去


ISBN: 9787302635161 出版時(shí)間: 2023-09-01 包裝: 平裝-膠訂
開(kāi)本: 16開(kāi) 頁(yè)數(shù): 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  主要研究?jī)?nèi)容與特色: (1) 利用文本挖掘和專(zhuān)家經(jīng)驗(yàn)構(gòu)建機(jī)器學(xué)習(xí)關(guān)鍵問(wèn)題分析框架,總結(jié)機(jī)器學(xué)習(xí)在醫(yī)療大數(shù)據(jù)挖掘中面臨的若干關(guān)鍵問(wèn)題。 (2) 利用簡(jiǎn)約核構(gòu)建面向不完整視角問(wèn)題的高效機(jī)器學(xué)習(xí)方法。 (3) 利用非對(duì)稱(chēng)損失函數(shù)構(gòu)建面向類(lèi)別不平衡問(wèn)題的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)方法。讀者對(duì)象: 從事人工智能、機(jī)器學(xué)習(xí)、醫(yī)療大數(shù)據(jù)分析方向的學(xué)術(shù)界與工業(yè)界的相關(guān)人士。 (4)圍繞不完整視角與類(lèi)別不平衡這兩個(gè)關(guān)鍵問(wèn)題展開(kāi)深入研究,有效提升了醫(yī)學(xué)診斷的決策效率。

作者簡(jiǎn)介

  付賽際,北京郵電大學(xué)講師。研究方向:醫(yī)療大數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)與最優(yōu)化。近年來(lái)在Information Sciences, Knowledge-Based Systems, Information Processing & Management發(fā)表論文10余篇?,F(xiàn)任Annals of Data Science編委。參加國(guó)家自然科學(xué)基金面上項(xiàng)目、重點(diǎn)項(xiàng)目若干項(xiàng)。

圖書(shū)目錄

第1章 醫(yī)療大數(shù)據(jù)挖掘 1
1.1?醫(yī)療大數(shù)據(jù)  1
1.2 醫(yī)療大數(shù)據(jù)文獻(xiàn)分析  4
1.2.1 數(shù)據(jù)準(zhǔn)備 4
1.2.2 文本挖掘 5
1.2.3 專(zhuān)家經(jīng)驗(yàn) 5
1.3 挖掘現(xiàn)狀與關(guān)鍵問(wèn)題  10
1.3.1 醫(yī)學(xué)圖像分類(lèi) 10
1.3.2 醫(yī)學(xué)圖像檢測(cè) 17
1.3.3 醫(yī)學(xué)圖像分割 20
1.3.4 醫(yī)學(xué)圖像生成 23
1.3.5 關(guān)鍵問(wèn)題 25
第2章 機(jī)器學(xué)習(xí)問(wèn)題 28
2.1 二分類(lèi)問(wèn)題  28
2.2 多分類(lèi)問(wèn)題  29
2.3 多標(biāo)簽分類(lèi)問(wèn)題  30
2.4 多視角分類(lèi)問(wèn)題  31
2.5 多示例分類(lèi)問(wèn)題  31
2.6 多任務(wù)分類(lèi)問(wèn)題  33
2.7 遷移學(xué)習(xí)問(wèn)題  34
2.8 弱監(jiān)督分類(lèi)問(wèn)題  34
2.9 數(shù)據(jù)生成問(wèn)題  35
第3章 機(jī)器學(xué)習(xí)方法 37
3.1 傳統(tǒng)機(jī)器學(xué)習(xí)方法  37
3.1.1 k近鄰 37
3.1.2 樸素貝葉斯 38
3.1.3 決策樹(shù) 40
3.1.4 隨機(jī)森林 41
3.1.5 自適應(yīng)增強(qiáng) 41
3.1.6 支持向量機(jī) 42
3.2 深度學(xué)習(xí)方法  44
3.2.1 CNN 44
3.2.2 RNN 46
3.2.3 GAN 46
第4章 多視角學(xué)習(xí) 48
4.1 多視角學(xué)習(xí)方法  48
4.1.1 基于完整視角的學(xué)習(xí)方法 48
4.1.2 基于不完整視角的學(xué)習(xí)方法 50
4.2 基礎(chǔ)模型  53
4.2.1 RSVM 53
4.2.2 PSVM-2V 54
4.3 RPSVM-2V  55
4.4 理論分析  58
4.5 拓展模型  60
4.5.1 RSVM-2K 60
4.5.2 RMKL 62
4.6 實(shí)驗(yàn)分析  64
4.6.1 實(shí)驗(yàn)設(shè)置 64
4.6.2 實(shí)驗(yàn)結(jié)果 65
4.6.3 參數(shù)敏感性分析 71
4.6.4 譜分析 74
第5章 類(lèi)別不平衡學(xué)習(xí)(一) 77
5.1 類(lèi)別不平衡學(xué)習(xí)方法  77
5.1.1 采樣 77
5.1.2 代價(jià)敏感學(xué)習(xí) 78
5.1.3 集成學(xué)習(xí) 79
5.2 DEC  81
5.3 修正Stein損失函數(shù)  81
5.4 CSMS  83
5.5 理論分析  86
5.6 模型優(yōu)化  86
5.7 實(shí)驗(yàn)分析  88
5.7.1 實(shí)驗(yàn)設(shè)置 88
5.7.2 實(shí)驗(yàn)結(jié)果 89
5.7.3 參數(shù)敏感性分析 93
5.7.4 收斂性分析 93
第6章 類(lèi)別不平衡學(xué)習(xí)(二) 98
6.1 v-SVM  98
6.2 LINEX損失函數(shù)  99
6.3 v-CSSVM  99
6.4 理論分析  101
6.5 模型優(yōu)化  102
6.5.1 ADMM 102
6.5.2 GD 104
6.6 實(shí)驗(yàn)分析  105
6.6.1 實(shí)驗(yàn)設(shè)置 105
6.6.2 實(shí)驗(yàn)結(jié)果 106
6.6.3 參數(shù)敏感性分析 109
6.6.4 收斂性分析 110
第7章 類(lèi)別不平衡學(xué)習(xí)(三) 113
7.1 深度學(xué)習(xí)中的類(lèi)別不平衡損失函數(shù)  113
7.1.1 WCE 114
7.1.2 FL 114
7.1.3 其他 115
7.2 深度LINEX損失函數(shù)  116
7.2.1 BC-LINEX 116
7.2.2 MC-LINEX 117
7.2.3 損失函數(shù)比較 119
7.3 模型優(yōu)化  120
7.3.1 BC-LINEX權(quán)重更新 120
7.3.2 MC-LINEX權(quán)重更新 121
7.4 實(shí)驗(yàn)分析  122
7.4.1 實(shí)驗(yàn)設(shè)置 122
7.4.2 實(shí)驗(yàn)結(jié)果 125
7.4.3 參數(shù)敏感性分析 130
附錄A 132
A.1 定理4.1證明 132
A.2 定理4.2證明 132
A.3 第4章附表 135
附錄B 148
B.1 第5章附表 148
附錄C 150
C.1 定理6.1證明 150
C.2 第6章附表 152
參考文獻(xiàn) 155

本目錄推薦

掃描二維碼
Copyright ? 讀書(shū)網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)