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:
采用无监督学习算法对105例抑郁症患者的多个实验室检验项目进行分组实验,将分组模型应用在88例测试数据集上,使用统计学方法检验分组结果,最终结果表明大部分组间差异有统计学意义,精神类疾病会对实验室检验项目产生一定影响.
推荐文章
基于无监督学习的行人检测算法
行人检测
无监督
稀疏编码
非线性变换
非极大值抑制
修正Gibbs采样的有限混合模型无监督学习算法
无监督学习
有限混合模型
参数维数变化
跳变
分布元管理
采用无监督学习算法与卷积的图像分类模型
K-means聚类
图像分类
卷积
卷积神经网络
Dropout
基于人工免疫的监督学习模型及其应用
人工免疫
模式识别
监督学习
主成分分析法
人脸识别
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 无监督学习基础上的抑郁症分级模型研究
来源期刊 医学信息学杂志 学科 医学
关键词 无监督学习 抑郁症 数据挖掘
年,卷(期) 2022,(1) 所属期刊栏目 医学信息研究
研究方向 页码范围 41-44
页数 4页 分类号 R-058
字数 语种 中文
DOI 10.3969/j.issn.1673-6036.2022.01.007
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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)
研究主题发展历程
节点文献
无监督学习
抑郁症
数据挖掘
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
医学信息学杂志
月刊
1673-6036
11-5447/R
大16开
北京市朝阳区雅宝路3号
2-664
1979
chi
出版文献量(篇)
5799
总下载数(次)
19
总被引数(次)
20699
论文1v1指导