扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
医疗大数据与机器学习 版权信息
- ISBN：9787302635161
- 条形码：9787302635161 ; 978-7-302-63516-1
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
医疗大数据与机器学习 本书特色
本书围绕医疗大数据挖掘中的热点问题，展开深入的理论与应用研究，可有效地辅助医学诊断。有助于减少专业医师的培训成本，为医学诊断提供有效的辅助工具，进而改善医疗资源分配不均的现象，并为人类的生命健康做出重要贡献。
医疗大数据与机器学习 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。
医疗大数据与机器学习 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
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
展开全部
医疗大数据与机器学习 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。
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
