演化計算在醫(yī)學數(shù)據(jù)挖掘中的應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領(lǐng)

文檔簡介

1、任何一門學科的快速發(fā)展都離不開社會需求的支持和推動,隨著人們對生活質(zhì)量和健康水平的日益重視,醫(yī)學已經(jīng)成為本世紀發(fā)展得最快的學科之一。在醫(yī)學迅猛發(fā)展的過程中積累了大量的數(shù)據(jù),毋庸置疑,其中的大部分醫(yī)學數(shù)據(jù)都包含了極其寶貴的信息,于是如何有效管理和利用這些數(shù)據(jù)成為亟待解決的問題,由此催生了醫(yī)學信息學和生物信息學這兩門衍生學科,它們在側(cè)重點、研究方法、研究對象等方面都存在諸多差異,但是適用于醫(yī)學數(shù)據(jù)的數(shù)據(jù)分析和挖掘技術(shù)卻是這兩門學科共同關(guān)注的

2、焦點。
  本文在深入研究基因表達式編程和數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上提出了兩個適用于醫(yī)學數(shù)據(jù)挖掘的算法:基于基因表達式編程和粗糙集的屬性約簡算法GEPFS以及基于基因表達式編程的核 K近鄰分類器 GEPKNN。GEPFS適用于離散型數(shù)據(jù)的屬性約簡,它力圖在最小化屬性子集和最大化分類精度兩方面達到平衡,實驗表明約簡后的數(shù)據(jù)質(zhì)量確實得到了一定程度的改善。GEPKNN則試圖改進目前廣泛應(yīng)用于生物信息學領(lǐng)域的核 K近鄰分類器,它自動地為核 K近

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論