医疗卫生装备
醫療衛生裝備
의료위생장비
MEDICAL EQUIPMENT JOURNAL
2013年
7期
15-17
,共3页
毕雪华%姚雪梅%孙静%张琳琳
畢雪華%姚雪梅%孫靜%張琳琳
필설화%요설매%손정%장림림
数据挖掘%连续属性离散化%支持向量机%乳腺肿瘤诊断
數據挖掘%連續屬性離散化%支持嚮量機%乳腺腫瘤診斷
수거알굴%련속속성리산화%지지향량궤%유선종류진단
data mining%discretization for real value attributes%support vector machine%breast neoplasm diagnosis
目的:结合面向医学领域的数据挖掘技术,对乳腺肿瘤诊断方法进行优化.方法:提出连续特征离散化的NewChi2算法,通过均匀选取类样本的支持向量机(T-SVM)分类方法,对乳腺肿瘤的数据信息进行数据离散化预处理.结果:在乳腺肿瘤诊断中采用该方法,分类预测率达到99.27％,取得了高于传统支持向量机分类器的分类学习精度.结论:采用的方法简化了信息系统,利用T-SVM对预处理后的数据进行分类和测试,可以更准确地识别出肿瘤是良性还是恶性.
目的:結閤麵嚮醫學領域的數據挖掘技術,對乳腺腫瘤診斷方法進行優化.方法:提齣連續特徵離散化的NewChi2算法,通過均勻選取類樣本的支持嚮量機(T-SVM)分類方法,對乳腺腫瘤的數據信息進行數據離散化預處理.結果:在乳腺腫瘤診斷中採用該方法,分類預測率達到99.27％,取得瞭高于傳統支持嚮量機分類器的分類學習精度.結論:採用的方法簡化瞭信息繫統,利用T-SVM對預處理後的數據進行分類和測試,可以更準確地識彆齣腫瘤是良性還是噁性.
목적:결합면향의학영역적수거알굴기술,대유선종류진단방법진행우화.방법:제출련속특정리산화적NewChi2산법,통과균균선취류양본적지지향량궤(T-SVM)분류방법,대유선종류적수거신식진행수거리산화예처리.결과:재유선종류진단중채용해방법,분류예측솔체도99.27％,취득료고우전통지지향량궤분류기적분류학습정도.결론:채용적방법간화료신식계통,이용T-SVM대예처리후적수거진행분류화측시,가이경준학지식별출종류시량성환시악성.
