换一批摘要目的:挖掘病理数据的内在属性,为相关临床医疗提供指导.方法:首先通过主元分析(principal components analysis,PCA)提取出数据空间中的显著差异性特征,据此将数据降维,然后采用极限学习机(extreme learning machine,E LM)算法训练和构建数据分类器模型,并将其应用在对冠心病和病毒性肝炎预后的病理数据分析中.结果:仿真实验结果显示PCA-ELM模型在不损失精度的情况下比传统的反向传播(back propagation,BP)神经网络和支持向量机(support vector machine,SVM)训练速度更快,并且优于单独的ELM,具有更好的外延性.结论:该数学模型在医疗病理研究上具有一定应用前景和价值,可为相关临床诊断提供指导.
更多相关知识
关键词
主元分析病理数据分析极限学习机数据驱动分类器principal components analysispathological data analysisextreme learning machinedata-driven classifier
栏目名称
DOI
10.7687/J.ISSN1003-8868.2016.07.006
发布时间
2016-09-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省三门县科技计划项目（12401）
- 浏览134
- 被引2
- 下载9
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
