中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
醫療大數據與機器學習 版權信息
- ISBN：9787302635161
- 條形碼：9787302635161 ; 978-7-302-63516-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
醫療大數據與機器學習 本書特色
本書圍繞醫療大數據挖掘中的熱點問題，展開深入的理論與應用研究，可有效地輔助醫學診斷。有助于減少專業醫師的培訓成本，為醫學診斷提供有效的輔助工具，進而改善醫療資源分配不均的現象，并為人類的生命健康做出重要貢獻。
醫療大數據與機器學習 內容簡介
主要研究內容與特色： (1) 利用文本挖掘和專家經驗構建機器學習關鍵問題分析框架，總結機器學習在醫療大數據挖掘中面臨的若干關鍵問題。 (2) 利用簡約核構建面向不完整視角問題的高效機器學習方法。 (3) 利用非對稱損失函數構建面向類別不平衡問題的機器學習與深度學習方法。讀者對象： 從事人工智能、機器學習、醫療大數據分析方向的學術界與工業界的相關人士。 （4）圍繞不完整視角與類別不平衡這兩個關鍵問題展開深入研究，有效提升了醫學診斷的決策效率。
醫療大數據與機器學習 目錄
第1章 醫療大數據挖掘 1
1.1?醫療大數據 1
1.2 醫療大數據文獻分析 4
1.2.1 數據準備 4
1.2.2 文本挖掘 5
1.2.3 專家經驗 5
1.3 挖掘現狀與關鍵問題 10
1.3.1 醫學圖像分類 10
1.3.2 醫學圖像檢測 17
1.3.3 醫學圖像分割 20
1.3.4 醫學圖像生成 23
1.3.5 關鍵問題 25
第2章 機器學習問題 28
2.1 二分類問題 28
2.2 多分類問題 29
2.3 多標簽分類問題 30
2.4 多視角分類問題 31
2.5 多示例分類問題 31
2.6 多任務分類問題 33
2.7 遷移學習問題 34
2.8 弱監督分類問題 34
2.9 數據生成問題 35
第3章 機器學習方法 37
3.1 傳統機器學習方法 37
3.1.1 k近鄰 37
3.1.2 樸素貝葉斯 38
3.1.3 決策樹 40
3.1.4 隨機森林 41
3.1.5 自適應增強 41
3.1.6 支持向量機 42
3.2 深度學習方法 44
3.2.1 CNN 44
3.2.2 RNN 46
3.2.3 GAN 46
第4章 多視角學習 48
4.1 多視角學習方法 48
4.1.1 基于完整視角的學習方法 48
4.1.2 基于不完整視角的學習方法 50
4.2 基礎模型 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 實驗分析 64
4.6.1 實驗設置 64
4.6.2 實驗結果 65
4.6.3 參數敏感性分析 71
4.6.4 譜分析 74
第5章 類別不平衡學習（一） 77
5.1 類別不平衡學習方法 77
5.1.1 采樣 77
5.1.2 代價敏感學習 78
5.1.3 集成學習 79
5.2 DEC 81
5.3 修正Stein損失函數 81
5.4 CSMS 83
5.5 理論分析 86
5.6 模型優化 86
5.7 實驗分析 88
5.7.1 實驗設置 88
5.7.2 實驗結果 89
5.7.3 參數敏感性分析 93
5.7.4 收斂性分析 93
第6章 類別不平衡學習（二） 98
6.1 v-SVM 98
6.2 LINEX損失函數 99
6.3 v-CSSVM 99
6.4 理論分析 101
6.5 模型優化 102
6.5.1 ADMM 102
6.5.2 GD 104
6.6 實驗分析 105
6.6.1 實驗設置 105
6.6.2 實驗結果 106
6.6.3 參數敏感性分析 109
6.6.4 收斂性分析 110
第7章 類別不平衡學習（三） 113
7.1 深度學習中的類別不平衡損失函數 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 116
7.2.1 BC-LINEX 116
7.2.2 MC-LINEX 117
7.2.3 損失函數比較 119
7.3 模型優化 120
7.3.1 BC-LINEX權重更新 120
7.3.2 MC-LINEX權重更新 121
7.4 實驗分析 122
7.4.1 實驗設置 122
7.4.2 實驗結果 125
7.4.3 參數敏感性分析 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 155
1.1?醫療大數據 1
1.2 醫療大數據文獻分析 4
1.2.1 數據準備 4
1.2.2 文本挖掘 5
1.2.3 專家經驗 5
1.3 挖掘現狀與關鍵問題 10
1.3.1 醫學圖像分類 10
1.3.2 醫學圖像檢測 17
1.3.3 醫學圖像分割 20
1.3.4 醫學圖像生成 23
1.3.5 關鍵問題 25
第2章 機器學習問題 28
2.1 二分類問題 28
2.2 多分類問題 29
2.3 多標簽分類問題 30
2.4 多視角分類問題 31
2.5 多示例分類問題 31
2.6 多任務分類問題 33
2.7 遷移學習問題 34
2.8 弱監督分類問題 34
2.9 數據生成問題 35
第3章 機器學習方法 37
3.1 傳統機器學習方法 37
3.1.1 k近鄰 37
3.1.2 樸素貝葉斯 38
3.1.3 決策樹 40
3.1.4 隨機森林 41
3.1.5 自適應增強 41
3.1.6 支持向量機 42
3.2 深度學習方法 44
3.2.1 CNN 44
3.2.2 RNN 46
3.2.3 GAN 46
第4章 多視角學習 48
4.1 多視角學習方法 48
4.1.1 基于完整視角的學習方法 48
4.1.2 基于不完整視角的學習方法 50
4.2 基礎模型 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 實驗分析 64
4.6.1 實驗設置 64
4.6.2 實驗結果 65
4.6.3 參數敏感性分析 71
4.6.4 譜分析 74
第5章 類別不平衡學習（一） 77
5.1 類別不平衡學習方法 77
5.1.1 采樣 77
5.1.2 代價敏感學習 78
5.1.3 集成學習 79
5.2 DEC 81
5.3 修正Stein損失函數 81
5.4 CSMS 83
5.5 理論分析 86
5.6 模型優化 86
5.7 實驗分析 88
5.7.1 實驗設置 88
5.7.2 實驗結果 89
5.7.3 參數敏感性分析 93
5.7.4 收斂性分析 93
第6章 類別不平衡學習（二） 98
6.1 v-SVM 98
6.2 LINEX損失函數 99
6.3 v-CSSVM 99
6.4 理論分析 101
6.5 模型優化 102
6.5.1 ADMM 102
6.5.2 GD 104
6.6 實驗分析 105
6.6.1 實驗設置 105
6.6.2 實驗結果 106
6.6.3 參數敏感性分析 109
6.6.4 收斂性分析 110
第7章 類別不平衡學習（三） 113
7.1 深度學習中的類別不平衡損失函數 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 116
7.2.1 BC-LINEX 116
7.2.2 MC-LINEX 117
7.2.3 損失函數比較 119
7.3 模型優化 120
7.3.1 BC-LINEX權重更新 120
7.3.2 MC-LINEX權重更新 121
7.4 實驗分析 122
7.4.1 實驗設置 122
7.4.2 實驗結果 125
7.4.3 參數敏感性分析 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 155
展開全部
醫療大數據與機器學習 作者簡介
付賽際，北京郵電大學講師。研究方向：醫療大數據挖掘、機器學習與最優化。近年來在Information Sciences, Knowledge-Based Systems, Information Processing & Management發表論文10余篇。現任Annals of Data Science編委。參加國家自然科學基金面上項目、重點項目若干項。
書友推薦
- >
詩經-先民的歌唱
- >
莉莉和章魚
- >
伯納黛特,你要去哪(2021新版)
- >
伊索寓言-世界文學名著典藏-全譯本
- >
【精裝繪本】畫給孩子的中國神話
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
我從未如此眷戀人間
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
