医学文献 >>
  • 检索发现
  • 增强检索
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
默认
×
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

当前检索式: 关键词=(supervised classification)
当前检索式
关键词=(supervised classification)
展开
  • 排序
  • 筛选
833条结果
资源类型收起
  • 810
  • 23
中图分类展开
2
1
1
1
1
更多...
中图分类
加载更多选项
    年份展开
    发布时间展开
    关键词聚类展开
    • 100
    • 97
    • 82
    • 79
    • 76
    更多...
    关键词聚类
      加载更多选项
        医学文献类型聚类展开
        • 17
        • 7
        • 3
        • 3
        • 2
        更多...
        医学文献类型聚类
          加载更多选项
            定制检索筛选项
            中文期刊
            刊名
            作者
            作者单位
            收录源
            栏目名称
            语种
            医学主题词
            出版状态
            外文期刊
            文献类型
            刊名
            作者
            医学主题词
            收录源
            语种
            学位论文
            授予学位
            授予单位
            会议论文
            主办单位
            专      利
            专利分类
            专利类型
            国家/组织
            法律状态
            申请/专利权人
            发明/设计人
            成      果
            鉴定年份
            学科分类
            地域
            完成单位
            标      准
            强制性标准
            中标分类
            标准类型
            标准状态
            来源数据库
            法      规
            法规分类
            内容分类
            效力级别
            时效性
              加载更多选项
                定制检索筛选项
                当前检索式: 关键词=(supervised classification)
                当前检索式
                关键词=(supervised classification)
                展开
                共833条结果
                排序方式
                出版时间 相关度 被引次数 下载量
                清除 | 已选 0/200
                0

                【中文期刊】 赵娜娜  韩向敏  等 《北京生物医学工程》 2024年43卷5期 478-485页ISTIC

                【摘要】 目的 基于CT图像的肺腺癌精确诊断对后续治疗具有重要的临床意义.卷积神经网络(convolutional nerual network,CNN)图像分类方法大多侧重于图像的局部特征,难以完全捕获全局知识和空间特征.为了充分学习这些有效特征,...

                【关键词】 肺腺癌分类自监督学习卷积神经网络

                浏览:10 被引:0 下载:1
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 鲍琪琪  孙超仁  《现代医院》 2024年24卷3期 424-427页

                【摘要】 针对朴素贝叶斯分类方法(naive bayesian model,NBM)在应用于门诊智能分诊时,无法有效区分不同类型的症状涉及的疾病学科范围不同问题,提出了一种朴素贝叶斯分类方法的改进算法,引入IDF因子,为不同的症状类型提供相应的权重....

                【关键词】 智能分诊朴素贝叶斯IDF

                浏览:9 被引:4 下载:4
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 吕帅君  邢燕  等 《合肥工业大学学报(自然科学版)》 2023年46卷8期 1142-1145,1152页

                【摘要】 深度学习在网格分类中的应用越来越受到人们的关注,在网格分类任务中,通常使用交叉熵损失作为损失函数.文章提出一种利用数据的结构相似性和几何一致性的正则化损失,将其加入损失函数中进行优化,可有效提高网格的分类准确率.从实验结果的量化指标来看,提...

                【关键词】 正则化损失网格分类半监督学习

                浏览:3 被引:2 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 操润楠  方梦捷  等 《中国医学科学杂志(英文版)》 2022年37卷3期 171-180,前插1页MEDLINEISTICCSCDCABP

                【摘要】 目的 探索半监督学习算法在内镜图像长尾分类中的应用.方法 我们在HyperKvasir数据集上探索了半监督的内镜图像长尾分类,该数据集是最大的胃肠道公共数据集,有23个不同的类别.使用基于一致性正则化和伪标签的半监督学习算法FixMatch...

                【关键词】 内镜图像人工智能半监督学习

                浏览:35 被引:1 下载:5
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 《基因组、蛋白质组与生物信息学报(英文版)》 2007年5卷1期 15-24页SCIMEDLINEISTICCSCDCABP

                【摘要】 To determine cancer pathway activities in nine types of primary tumors and NCI60 cell lines, we applied an in silico app...

                【关键词】 cancer pathwaysgene expression profilingsupervised learning

                浏览:71 被引:0 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 周迪  倪忠云  等 《地质力学学报》 2018年24卷2期 263-273页

                【摘要】 针对现有基于像素的监督和非监督分类方法在地质环境复杂、地形起伏较大、阴影明显的喀斯特石漠化地区难以满足石漠化信息提取精度要求的问题,采用基于纹理特征数据和地形数据辅助面向对象方法进行喀斯特地区石漠化信息的提取.该方法首先依据石漠化分布在TM...

                【关键词】 喀斯特石漠化面向对象分类监督分类

                浏览:1 被引:17 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 潘玲  杜晓平  等 《计算机应用研究》 2017年34卷9期 2838-2842页

                【摘要】 针对传统方法在面对大量肺部数据时检索效率不高的问题,提出了一种基于有监督哈希的肺结节CT图像检索方法.通过图像预处理建立肺结节图像库,并从灰度、形态、纹理方面提取图像多特征;利用监督信息构造哈希函数,将多特征映射为低维哈希码;根据设计的自适...

                【关键词】 肺结节图像检索多特征提取

                浏览:1 被引:6 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 尚耐丽  王骁力  等 《计算机应用与软件》 2015年32卷11期 162-166,179页

                【摘要】 半监督学习是人工智能研究领域中的重要课题,结合有监督学习和无监督学习的优点来提高学习器的性能.针对有监督分类和无监督分类不能充分利用已标记样本和未标记样本的问题,介绍了半监督分类方法及其基本思想、研究现状、应用领域与常用算法,分析了当前半监...

                【关键词】 半监督分类生成模型自训练

                浏览:1 被引:13 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 梅松青  《计算机系统应用》 2014年23卷2期 173-177页

                【摘要】 基于图的半监督学习方法中,图结构经常要预先设定,这就导致了在标签传递过程中,算法不能自适应地学习一个最优的图.为此,提出了一种基于自适应图的半监督学习方法.该方法通过迭代的优化方法同时学习到最优的图和标签.而且,在少量标记样本的情况下该方法...

                【关键词】 半监督学习标签传递优化算法

                浏览:0 被引:3 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考

                【中文期刊】 文贵华  蔡先发  等 《华南理工大学学报(自然科学版)》 2013年41卷7期 137-144页

                【摘要】 精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSS...

                【关键词】 半监督学习随机子空间癌症分类

                浏览:0 被引:1 下载:0
                • 概要:
                • 方法:
                • 结论:
                收起
                AI内容生成中……
                以上内容由AI生成,结果仅供参考
                • / 84
                收起侧边栏
                显示侧边栏
                更多> - 相关医事流 -
                • 加载中...
                - 相关学者 -
                • 加载中...
                - 相关机构 -
                • 加载中...

                特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

                • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

                • |
                • 客服邮箱:yiyao@wanfangdata.com.cn

                • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

                官方微信
                万方医学小程序
                new医文AI 翻译 充值 订阅 收藏 移动端

                官方微信

                万方医学小程序

                使用
                帮助
                Alternate Text
                调查问卷