基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在医学上目前还没有很有效的模型对非小细胞肺癌病人术后生存时间进行预测.本文利用极端学习机和支撑向量机对此进行预测,预测的正确率最高分别达到79.2%和74.1%左右,取得了良好的效果.该研究对如何有效地选择模型进行非小细胞肺癌病人术后生存时间进行预测提供了指导方法.
推荐文章
短期负荷预测的集成改进极端学习机方法
极端学习机
短期负荷预测
训练
集成技术
适用于小子样时间序列预测的动态回归极端学习机
极端学习机
在线训练
小子样
时间序列预测
状态监测
一种改进的极端学习机算法
单隐层前向神经网络
极端学习机
L1/2正则化
基于支撑向量机在线学习方法的短期负荷预测
短期负荷预测
支撑向量机
在线学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 极端学习机与支撑向量机在早期非小细胞肺癌预后预测的比较研究
来源期刊 模式识别与人工智能 学科 工学
关键词 非小细胞肺癌 前向神经网络 极端学习机 支撑向量机
年,卷(期) 2005,(5) 所属期刊栏目 研究与应用
研究方向 页码范围 636-640
页数 5页 分类号 TP183
字数 4229字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (14)
同被引文献  (21)
二级引证文献  (30)
1989(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(3)
  • 参考文献(3)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(6)
  • 引证文献(3)
  • 二级引证文献(3)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(5)
  • 引证文献(1)
  • 二级引证文献(4)
2016(9)
  • 引证文献(3)
  • 二级引证文献(6)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
非小细胞肺癌
前向神经网络
极端学习机
支撑向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
模式识别与人工智能
月刊
1003-6059
34-1089/TP
16开
中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱
26-69
1989
chi
出版文献量(篇)
2928
总下载数(次)
8
总被引数(次)
30919
论文1v1指导