注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于支持向量机（SVM）的乳腺癌诊断

  2. 支持向量机SVM是一种新的机器学习方法，其基础是统计学理论。模型泛化能力强；进行非线性分类时通过高维空间变换。

  3. 所属分类：电信

    • 发布日期：2012-03-15
    • 文件大小：8192
    • 提供者：summersunshines

  1. knn诊断乳腺癌代码R语言实现

  2. 威斯康星乳腺癌csv 标准数据集+ R语言使用KNN进行分类的代码

  3. 所属分类：专业指导

    • 发布日期：2016-09-28
    • 文件大小：125952
    • 提供者：zhangjue0927

  1. 基于支持向量机的乳腺癌辅助诊断

  2. 采用支持向量机、K一近邻法(K—Nearest Neighbor，K—NN)、概率神经网络(Probabilistie Neural Network，PNN)，结合乳腺肿瘤的细针穿刺细胞病理学临床数据诊断乳腺癌。结果表明：当使用 SigIIloid核函数时，SVM通过5次交叉验证的最佳平均分类准确率达到了96．24％，优于K—NN (95．37％)，PNN(95．09％)等分类器，表明该方法有望成为一种实用的乳腺癌临床辅助诊断工具

  3. 所属分类：机器学习

    • 发布日期：2018-01-08
    • 文件大小：349184
    • 提供者：plasma_z

  1. MATLAB——支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

  2. 本代码主要利用MATLAB工具进行MATLAB——支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

  3. 所属分类：机器学习

    • 发布日期：2018-08-21
    • 文件大小：8192
    • 提供者：qq_42006303

  1. 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

  2. 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

  3. 所属分类：算法与数据结构

    • 发布日期：2018-01-18
    • 文件大小：403456
    • 提供者：qq_31064283

  1. KNN算法诊断乳腺癌

  2. 如果机器学习能够自动识别癌细胞，那么它将为医疗系统提供相当大的益处。自动化的过程很有可能提高检测过程的效率，从而可以让医生在诊断上花更少的时间，而在治疗疾病上花更多的时间。自动 化的筛查系统还可能通过去除该过程中的内在主观人为因素来提供 更高的检测准确性。从带有异常乳腺肿块的女性身上的活检细胞的测度数据入手，应用 kNN 算法，从而研究机器学习用于检测癌症的功效。

  3. 所属分类：其它

    • 发布日期：2018-10-11
    • 文件大小：2048
    • 提供者：weixin_43358229

  1. UCI机器学习数据仓库的威廉康星乳腺癌诊断数据集

  2. KNN专用大数据集，这个数据集包含569例细胞活检案例，每个案例有32个乳房肿块活检图像显示的细胞核的特征。第一个特征是ID，第二个是这个案例的癌症诊断结果，癌症诊断结果用编码"M"表示恶性，B表示良性。其他30个特征是数值型的其他指标，包括细胞核的半径(Radius)、质地(Texture)、周长(Perimeter)、面积(Area)和光滑度(Smoothness)等的`均值、标准差和最大值。

  3. 所属分类：其它

    • 发布日期：2018-10-21
    • 文件大小：124928
    • 提供者：zhang_fu_guan

  1. chapter28 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

  2. chapter28 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

  3. 所属分类：深度学习

    • 发布日期：2019-01-17
    • 文件大小：9216
    • 提供者：sinat_41868614

  1. WBPC康纳斯星州乳腺癌数据集.rar

  2. WBPC康纳斯星州乳腺癌数据集，包括诊断数据集与预后诊断数据集，源数据，可以作为KNN、SVM等机器学习的练习数据使用

  3. 所属分类：机器学习

    • 发布日期：2020-05-10
    • 文件大小：60416
    • 提供者：Zengmeng1998

  1. 迁移学习乳腺癌诊断流程图.emmx

  2. 自己画得迁移学习流程图In recent years, digital pathology, computational storage and computing capabilities have been evolved rapidly. Computer software provides a possibility to automatically identify tissue types of high-resolution microscopic images, thus gre

  3. 所属分类：深度学习

    • 发布日期：2020-04-27
    • 文件大小：16384
    • 提供者：weixin_43747017

  1. 血清SELDI蛋白质指纹图谱在乳腺癌诊断中的应用研究

  2. 血清SELDI蛋白质指纹图谱在乳腺癌诊断中的应用研究，庞达，杨艳梅，目的：应用SELDI技术和生物信息学方法从血清中筛选乳腺癌蛋白质标志物并构建检测模型，为诊断提供可能的简便易行的方法。方法：应�

  3. 所属分类：其它

    • 发布日期：2020-02-18
    • 文件大小：349184
    • 提供者：weixin_38534444

  1. pca+knn威斯康星乳腺癌诊断.zip

  2. 主成分分析法进行降维处理，再用KNN进行分类，乳腺癌诊断精确度达96% 威斯康星乳腺癌数据集+matlab代码

  3. 所属分类：机器学习

    • 发布日期：2019-09-03
    • 文件大小：195584
    • 提供者：qq_42235606

  1. 基于误分类模式的乳腺癌诊断研究

  2. 乳腺癌已经成为当今世界影响妇女健康的重要疾病。对于乳腺癌诊断来说，当一个恶性病例被误分类为良性病例的时候，其代价远远大于一个良性病例被误分类为恶性病例。它利用数据挖掘领域的代价敏感相关方法，建立一个识别良性乳腺肿瘤和恶性乳腺肿瘤的诊断预测系统。在建模过程中充分考虑到误分类代价的因素，提出了误分类代价策略。通过一系列实验验证了所建立的模型。从实验结果来看，Adaboost与SVM的误分类组合分类算法在正确率和总误分类代价两个评估指标上得到了良好的效果。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：337920
    • 提供者：weixin_38554186

  1. 乳腺X线照片与超声图像相结合的选择性集合分类方法在乳腺癌诊断中的应用

  2. 乳腺癌一直是威胁妇女生命的主要疾病之一。 乳腺癌的早期发现和诊断在降低乳腺癌的死亡率中起着重要的作用。 在本文中，我们提出了一种与KNN，SVM和朴素贝叶斯相结合的选择性集合方法，以结合超声图像和X线钼靶图像对乳腺癌进行诊断。 我们的实验结果表明，选择性分类方法的准确度为88.73％，灵敏度为97.06％，对于乳腺癌的诊断是有效的。 指标提出了一种选择整体学习基础分类器的新方法。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：901120
    • 提供者：weixin_38737980

  1. 支持向量机分类器，具有基于粗糙集的特征选择，可用于乳腺癌诊断

  2. 支持向量机分类器，具有基于粗糙集的特征选择，可用于乳腺癌诊断

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：480256
    • 提供者：weixin_38652090

  1. bioeng-project：用于乳腺癌诊断的DL模型-源码

  2. 生物工程项目/论文 基因表达 包含乳腺癌患者基因表达的数据称为brca_counts.rds ，由于python无法使用.rds文件，因此需要将其转换为.csv 。 brca <- readRDS( ' brca_counts.rds ' ) write.csv( brca , ' brca.csv ' ) Node2Vec 使用的功能网络来自 Wu，G.，Feng，X.＆Stein，L.人类功能蛋白相互作用网络及其在癌症数据分析中的应用。 Genome Biol 11，R53（201

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：435159040
    • 提供者：weixin_42177768

  1. 乳腺癌分类：使用支持向量机的乳腺癌诊断分类-源码

  2. 乳腺癌分类 使用支持向量机的乳腺癌诊断分类 客观的： 知识库是一项学习练习，旨在： 从可用数据集中应用机器学习的基本概念 根据观察到的数据集评估和解释我的结果并证明我的解释是正确的 创建笔记本作为计算记录并记录我的思考过程。 分析分为多个部分，保存在该存储库的juypter笔记本中识别问题和数据源探索性数据分析预处理数据构建模型以预测乳房细胞组织是恶性还是良性 达到的精度-97％

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：648192
    • 提供者：weixin_42120997

  1. Breast_Cancer_CADx：监督式机器学习算法可预测乳腺癌的诊断-源码

  2. 乳腺癌CADx 监督式机器学习算法可预测乳腺癌的诊断 乳腺癌是美国女性死于癌症的第二大主要原因。 早期发现与更好的预后密切相关。 乳房X线照相术是检测的第一线，但并不完美。 乳房X光检查的假阴性率为8-10％，由于某些异常情况不会影响女性的健康，因此很难确定癌症的严重程度或类型。 因此，进行活检以确认诊断。 细针穿刺是最简单，最常见的活检类型。 这项研究测试了各种监督的机器学习算法，以确定使用定量，连续的数据预测乳腺癌诊断最准确的算法。 威斯康星州乳腺癌数据集用于训练和测试三种机器学习模型

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：571392
    • 提供者：weixin_42116058

  1. 肿瘤参数属性偏序结构可视化实现乳腺癌诊断

  2. 肿瘤参数属性偏序结构可视化实现乳腺癌诊断

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：1047552
    • 提供者：weixin_38606656

  1. 基于乳腺肿瘤细胞形态特征参数的乳腺癌诊断发展研究

  2. 基于乳腺肿瘤细胞形态特征参数的乳腺癌诊断发展研究

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：1048576
    • 提供者：weixin_38695061
« 12 3 4 »