粗糙集方法在医学影像诊断分析中的应用

医学诊断常面对越来越多的医学影像数据信息,比较不同分析方法对于疾病诊断十分必要.对183例脑胶质瘤的MR资料分别使用粗糙集理论和logistic回归分析方法导出影像诊断规则.与病理结果对比后发现,使用粗糙集理论的诊断规则准确性高于其他统计方法.粗糙集理论对提高医学影像学诊断水平有更好的临床应用价值.     

贝叶斯决策的变精度概率粗糙集模型

文章分析讨论了最小风险贝叶斯决策的基本过程,建立了贝叶斯决策的变精度概率粗糙集模型。该模型在处理贝叶斯决策问题时能使决策失误的风险更小。     

基于粗糙集与广义关联度系数的贝叶斯中医证候分类模型

文章主要探讨了一种贝叶斯分类方法在肝炎后肝硬化中医诊断中的应用,介绍了粗糙集理论、广义关联度系数以及贝叶斯分类模型等数据挖掘技术。并且,运用粗糙集理论及广义关联度系数方法,对287例肝炎后肝硬化的症状、体征进行了属性选择。进一步,利用树增广的朴素贝叶斯分类算法,构建了肝炎后肝硬化中医证候分类模型。实验表明这种模型对肝炎后肝硬化的6种主要证候分类的符合率达83%。研究结果对肝炎后肝硬化的中医临床诊断具有参考意义。     

基于粕糙集与广义关联度系数的贝叶斯中医证候分类模型

文章主要探讨了一种贝叶斯分类方法在肝炎后肝硬化中医诊断中的应用,介绍了粗糙集理论、广义关联度系数以及贝叶斯分类模型等数据挖掘技术.并且,运用粗糙集理论及广义关联度系数方法,对287例肝炎后肝硬化的症状、体征进行了属性选择.进一步,利用树增广的朴素贝叶斯分类算法,构建了肝炎后肝硬化中医证候分类模型.实验表明这种模型对肝炎后肝硬化的6种主要证候分类的符合率达83%.研究结果对肝炎后肝硬化的中医临床诊断具有参考意义.     

变精度确定优势关系粗糙决策分析方法及应用

文章以不完备信息决策系统为研究对象,提出了基于确定优势关系的变精度粗糙集方法,并给出该方法的一些性质.新的粗糙决策分析方法能有效地排除噪声因素的干扰,从而可以在不完备信息系统中获得更加合理的决策规则.     

网络购物购买意愿的影响因素及其复杂关系研究——基于PLS-SEM与贝叶斯网络

为了更加准确地研究影响购买意愿的因素及其之间的关系,提出基于PLS-SEM与贝叶斯网络的预测和诊断方法。该方法既发挥了PLS-SEM基于理论的实证能力,又突出了贝叶斯网络处理非线性关系及预测和诊断的能力;将该方法应用到网络交易成本与购买意愿关系的研究中,明确了交易成本、不确定性、购买频率、信任度和购买意愿间的关系,为企业制定有效的交易成本管理决策提供了依据。     

基于灰格运算的变精度粗集模型及规则获取

在包含区间值的灰色信息系统中获取知识以成为当前粗糙集理论研究的热点。本文针对基于灰格运算的灰色粗集模型中存在上近似集过于宽松而下近似集过于严格等不足,提出了一种新的变精度拓展灰色粗集模型。该模型可以看成是灰色粗集模型的一种泛化表现形式。同时,在灰色决策系统中使用新的灰色粗集模型讨论了确定和可能性规则的直接生成方法,并对其的有效性进行了实例分析。     

不完备信息系统下量化容差关系的改进

0引言1982年,波兰科学家Pawlak首次提出粗糙集的概念,粗糙集理论和方法是一种数据分析与推理的有效工具。经过20余年的发展,粗糙集理论在人工智能、数据挖掘、机器学习、医疗诊断、航空航天等众多领域得到广泛关注和应用犤1犦。Pawlak最初提出的基于不可分辩关系的粗糙集理论只     

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现：是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。     

基于贝叶斯网稀疏结构学习的信用影响因素结构发现

面对海量高维信用数据,传统贝叶斯网络在刻画变量复杂结构和概率关系时遇到了挑战。尝试将基于multi-logit回归的离散贝叶斯网络稀疏方法用于个人信用影响因素结构关系的发现,实现从多维变量复杂关系中抓取重要结构关系;基于解路径探讨了用于结构发现的稀疏贝叶斯网络模型的选择标准,并比较了稀疏贝叶斯网络与经典贝叶斯网络结构学习的性能;结合领域先验知识进一步改进贝叶斯网络结构,定性分析多维变量存在的主要结构关系;在确定多维变量稀疏网络结构的基础上,采用贝叶斯后验估计获取模型参数,并利用贝叶斯网络推理定量分析关键变量对信贷客户类型的直接或间接影响。