孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

医疗大数据与机器学习

医疗大数据与机器学习
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: ,
出版社: 清华大学出版社
2023-09
版次: 1
ISBN: 9787302635161
定价: 118.00
装帧: 其他
开本: 16开
纸张: 胶版纸
分类: 医药卫生
7 张插图图片
2人买过
  • 主要研究内容与特色： (1) 利用文本挖掘和专家经验构建机器学习关键问题分析框架，总结机器学习在医疗大数据挖掘中面临的若干关键问题。 (2) 利用简约核构建面向不完整视角问题的高效机器学习方法。 (3) 利用非对称损失函数构建面向类别不平衡问题的机器学习与深度学习方法。读者对象： 从事人工智能、机器学习、医疗大数据分析方向的学术界与工业界的相关人士。 （4）围绕不完整视角与类别不平衡这两个关键问题展开深入研究，有效提升了医学诊断的决策效率。 付赛际，北京邮电大学讲师。研究方向：医疗大数据挖掘、机器学习与最优化。近年来在Information Sciences, Knowledge-Based Systems, Information Processing & Management发表论文10余篇。现任Annals of Data Science编委。参加国家自然科学基金面上项目、重点项目若干项。 第1章　医疗大数据挖掘 1

    1.1?医疗大数据  1

    1.2　医疗大数据文献分析  4

    1.2.1　数据准备 4

    1.2.2　文本挖掘 5

    1.2.3　专家经验 5

    1.3　挖掘现状与关键问题  10

    1.3.1　医学图像分类 10

    1.3.2　医学图像检测 17

    1.3.3　医学图像分割 20

    1.3.4　医学图像生成 23

    1.3.5　关键问题 25

    第2章　机器学习问题 28

    2.1　二分类问题  28

    2.2　多分类问题  29

    2.3　多标签分类问题  30

    2.4　多视角分类问题  31

    2.5　多示例分类问题  31

    2.6　多任务分类问题  33

    2.7　迁移学习问题  34

    2.8　弱监督分类问题  34

    2.9　数据生成问题  35

    第3章　机器学习方法 37

    3.1　传统机器学习方法  37

    3.1.1　k近邻 37

    3.1.2　朴素贝叶斯 38

    3.1.3　决策树 40

    3.1.4　随机森林 41

    3.1.5　自适应增强 41

    3.1.6　支持向量机 42

    3.2　深度学习方法  44

    3.2.1　CNN 44

    3.2.2　RNN 46

    3.2.3　GAN 46

    第4章　多视角学习 48

    4.1　多视角学习方法  48

    4.1.1　基于完整视角的学习方法 48

    4.1.2　基于不完整视角的学习方法 50

    4.2　基础模型  53

    4.2.1　RSVM 53

    4.2.2　PSVM-2V 54

    4.3　RPSVM-2V  55

    4.4　理论分析  58

    4.5　拓展模型  60

    4.5.1　RSVM-2K 60

    4.5.2　RMKL 62

    4.6　实验分析  64

    4.6.1　实验设置 64

    4.6.2　实验结果 65

    4.6.3　参数敏感性分析 71

    4.6.4　谱分析 74

    第5章　类别不平衡学习（一） 77

    5.1　类别不平衡学习方法  77

    5.1.1　采样 77

    5.1.2　代价敏感学习 78

    5.1.3　集成学习 79

    5.2　DEC  81

    5.3　修正Stein损失函数  81

    5.4　CSMS  83

    5.5　理论分析  86

    5.6　模型优化  86

    5.7　实验分析  88

    5.7.1　实验设置 88

    5.7.2　实验结果 89

    5.7.3　参数敏感性分析 93

    5.7.4　收敛性分析 93

    第6章　类别不平衡学习（二） 98

    6.1　v-SVM  98

    6.2　LINEX损失函数  99

    6.3　v-CSSVM  99

    6.4　理论分析  101

    6.5　模型优化  102

    6.5.1　ADMM 102

    6.5.2　GD 104

    6.6　实验分析  105

    6.6.1　实验设置 105

    6.6.2　实验结果 106

    6.6.3　参数敏感性分析 109

    6.6.4　收敛性分析 110

    第7章　类别不平衡学习（三） 113

    7.1　深度学习中的类别不平衡损失函数  113

    7.1.1　WCE 114

    7.1.2　FL 114

    7.1.3　其他 115

    7.2　深度LINEX损失函数  116

    7.2.1　BC-LINEX 116

    7.2.2　MC-LINEX 117

    7.2.3　损失函数比较 119

    7.3　模型优化  120

    7.3.1　BC-LINEX权重更新 120

    7.3.2　MC-LINEX权重更新 121

    7.4　实验分析  122

    7.4.1　实验设置 122

    7.4.2　实验结果 125

    7.4.3　参数敏感性分析 130

    附录A 132

    A.1　定理4.1证明 132

    A.2　定理4.2证明 132

    A.3　第4章附表 135

    附录B 148

    B.1　第5章附表 148

    附录C 150

    C.1　定理6.1证明 150

    C.2　第6章附表 152

    参考文献 155
  • 内容简介:
    主要研究内容与特色： (1) 利用文本挖掘和专家经验构建机器学习关键问题分析框架，总结机器学习在医疗大数据挖掘中面临的若干关键问题。 (2) 利用简约核构建面向不完整视角问题的高效机器学习方法。 (3) 利用非对称损失函数构建面向类别不平衡问题的机器学习与深度学习方法。读者对象： 从事人工智能、机器学习、医疗大数据分析方向的学术界与工业界的相关人士。 （4）围绕不完整视角与类别不平衡这两个关键问题展开深入研究，有效提升了医学诊断的决策效率。
  • 作者简介:
    付赛际，北京邮电大学讲师。研究方向：医疗大数据挖掘、机器学习与最优化。近年来在Information Sciences, Knowledge-Based Systems, Information Processing & Management发表论文10余篇。现任Annals of Data Science编委。参加国家自然科学基金面上项目、重点项目若干项。
  • 目录:
    第1章　医疗大数据挖掘 1

    1.1?医疗大数据  1

    1.2　医疗大数据文献分析  4

    1.2.1　数据准备 4

    1.2.2　文本挖掘 5

    1.2.3　专家经验 5

    1.3　挖掘现状与关键问题  10

    1.3.1　医学图像分类 10

    1.3.2　医学图像检测 17

    1.3.3　医学图像分割 20

    1.3.4　医学图像生成 23

    1.3.5　关键问题 25

    第2章　机器学习问题 28

    2.1　二分类问题  28

    2.2　多分类问题  29

    2.3　多标签分类问题  30

    2.4　多视角分类问题  31

    2.5　多示例分类问题  31

    2.6　多任务分类问题  33

    2.7　迁移学习问题  34

    2.8　弱监督分类问题  34

    2.9　数据生成问题  35

    第3章　机器学习方法 37

    3.1　传统机器学习方法  37

    3.1.1　k近邻 37

    3.1.2　朴素贝叶斯 38

    3.1.3　决策树 40

    3.1.4　随机森林 41

    3.1.5　自适应增强 41

    3.1.6　支持向量机 42

    3.2　深度学习方法  44

    3.2.1　CNN 44

    3.2.2　RNN 46

    3.2.3　GAN 46

    第4章　多视角学习 48

    4.1　多视角学习方法  48

    4.1.1　基于完整视角的学习方法 48

    4.1.2　基于不完整视角的学习方法 50

    4.2　基础模型  53

    4.2.1　RSVM 53

    4.2.2　PSVM-2V 54

    4.3　RPSVM-2V  55

    4.4　理论分析  58

    4.5　拓展模型  60

    4.5.1　RSVM-2K 60

    4.5.2　RMKL 62

    4.6　实验分析  64

    4.6.1　实验设置 64

    4.6.2　实验结果 65

    4.6.3　参数敏感性分析 71

    4.6.4　谱分析 74

    第5章　类别不平衡学习（一） 77

    5.1　类别不平衡学习方法  77

    5.1.1　采样 77

    5.1.2　代价敏感学习 78

    5.1.3　集成学习 79

    5.2　DEC  81

    5.3　修正Stein损失函数  81

    5.4　CSMS  83

    5.5　理论分析  86

    5.6　模型优化  86

    5.7　实验分析  88

    5.7.1　实验设置 88

    5.7.2　实验结果 89

    5.7.3　参数敏感性分析 93

    5.7.4　收敛性分析 93

    第6章　类别不平衡学习（二） 98

    6.1　v-SVM  98

    6.2　LINEX损失函数  99

    6.3　v-CSSVM  99

    6.4　理论分析  101

    6.5　模型优化  102

    6.5.1　ADMM 102

    6.5.2　GD 104

    6.6　实验分析  105

    6.6.1　实验设置 105

    6.6.2　实验结果 106

    6.6.3　参数敏感性分析 109

    6.6.4　收敛性分析 110

    第7章　类别不平衡学习（三） 113

    7.1　深度学习中的类别不平衡损失函数  113

    7.1.1　WCE 114

    7.1.2　FL 114

    7.1.3　其他 115

    7.2　深度LINEX损失函数  116

    7.2.1　BC-LINEX 116

    7.2.2　MC-LINEX 117

    7.2.3　损失函数比较 119

    7.3　模型优化  120

    7.3.1　BC-LINEX权重更新 120

    7.3.2　MC-LINEX权重更新 121

    7.4　实验分析  122

    7.4.1　实验设置 122

    7.4.2　实验结果 125

    7.4.3　参数敏感性分析 130

    附录A 132

    A.1　定理4.1证明 132

    A.2　定理4.2证明 132

    A.3　第4章附表 135

    附录B 148

    B.1　第5章附表 148

    附录C 150

    C.1　定理6.1证明 150

    C.2　第6章附表 152

    参考文献 155
查看详情
相关分类
医学理论 预防医学 中医 基础医学 临床医学 药学 护理学 医院管理 医疗器械 内科学 外科学 妇产科学
12
相关图书 / 更多
医疗大数据与机器学习
医疗质量管理体系与评价标准
阮列敏 徐琴鸿 刘丽萍
￥88.00 起
医疗大数据与机器学习
医疗器械临床试验机构操作手册
王白璐 编
￥28.00 起
医疗大数据与机器学习
医疗健康产业创新实践案例集（第二辑）
邢以群
￥18.30 起
医疗大数据与机器学习
医疗器械设计开发控制手册(第3版)
(美)玛丽·B.特谢拉|责编:芮晴舟|译者:卫根学//潘孔荣//张进进
￥99.87 起
医疗大数据与机器学习
医疗护理员手册
王贺
￥11.67 起
医疗大数据与机器学习
医疗消费支出对居民消费的影响研究
吉媛
￥30.80 起
医疗大数据与机器学习
医疗保障学（第3版）
姚岚；毛瑛
￥53.40 起
医疗大数据与机器学习
医疗纠纷促进式调解理论与技能
晏英 著
￥30.60 起
医疗大数据与机器学习
医疗服务项目标准成本测算研究
赵要军
￥32.00 起
医疗大数据与机器学习
医疗保障基金结算清单应用指南
中国社会保障学会
￥159.87 起
医疗大数据与机器学习
医疗保险
杨燕绥
￥49.24 起
医疗大数据与机器学习
医疗纠纷调解手册
金晶
￥18.46 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全