排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
多标签分类在基因分类,药物发现和文本分类等实际问题中有着广泛的应用.已存在的多标签分类算法,通常都是从网络中随机的选取节点作为训练集.然而,在分类算法执行的过程中,网络中不同节点所起的作用不同.在给定训练集数目的情况下,选择的训练集不同,分类精度也会不同.所以我们引入了种子节点的概念,标签分类从种子节点开始,经过不断推理,得到网络中其他所有节点的标签.本文提出了SHDA(Nodes Selection of High Degree from Each Affiliation)算法,即从网络的每个社团中,按比例的选取度数较大的节点,然后将其合并,处理后得到种子节点.真实数据集上的实验表明,将种子节点用作训练集进行多标签分类,能够提升网络环境下多标签分类的准确率. 相似文献
2.
随着区域医疗、移动医疗、转化医学等新兴技术的应用和发展,电子病历、电子健康档案及转化基因等数据都呈现出爆炸式增长.为了将医疗服务信任问题渗透到人与医疗信息系统可信交互中,提供以个性化、一体化、协同化与知识化为特征的现代医疗服务,必须有效管理和分析这些海量数据资源,达到医疗信息与服务普适共享、广大民众普遍受惠的目的.文中以社会计算为背景,提出一种面向现代医疗服务模式的普适医疗信息管理与服务体系PMIMSS,讨论了普适医疗面临的关键技术问题,包括医疗信息共享与集成、医疗知识发现与服务、医疗服务质量评价、个性化医疗服务推荐,以及基于人与医疗信息系统交互的可信机制等,并总结了当前的研究现状和进展,详细分析了存在的挑战性问题,提出了未来的研究方向. 相似文献
3.
1