An unsupervised self-organizing lea

An unsupervised self-organizing learning with support vector ranking for imbalanced datasets
Decision tree induction using a fast splitting attribute selection for large datasets
A survey of video datasets for human action and activity recognition
Dataset complexity in gene expression based cancer classification using ensembles of k-nearest neighbors
Risk-sensitive loss functions for sparse multi-category classification problems
Bayesian binary kernel probit model for microarray based cancer classification and gene selection
Using and comparing different decision tree classification techniques for mining ICDDR,B Hospital Surveillance data
External Validation of Newly Proposed Cytogenetic Risk Classification in Patients Who Have Myelodysplastic Syndrome- A Retrospective Analysis at a Single Institution
A quantifier-based fuzzy classification system for breast cancer patients
Training neural network classifiers for medical decision making- The effects of imbalanced datasets on classification performance
Semantically-grounded construction of centroids for datasets with textual attributes
Hospital Electronic Medical Record Use and Cost of Inpatient Pediatric Care
Breast cancer survivability prediction using labeled, unlabeled, and pseudo-labeled patient data
The classification of cancer stage microarray data

ผลลัพธ์ (ไทย) 1:

การเรียนรู้ที่จัดตนเองใกล้ชิดกับการจัดอันดับเวกเตอร์การสนับสนุนสำหรับชุดข้อมูลขาดดุล
เหนี่ยวนำต้นไม้ตัดสินใจโดยใช้การแยกการเลือกอย่างรวดเร็วคุณลักษณะสำหรับชุดข้อมูลขนาดใหญ่
การสำรวจของชุดข้อมูลวิดีโอสำหรับการกระทำของมนุษย์และการรับรู้กิจกรรม
ซับซ้อนชุดข้อมูลในการจัดหมวดหมู่ของยีนมะเร็งแสดงออกโดยใช้ตระการตาของ K-เพื่อนบ้านใกล้ที่สุด
ความเสี่ยงที่สำคัญฟังก์ชั่นการสูญเสียสำหรับกระจัดกระจายหลายหมวดหมู่ปัญหาการจัดหมวดหมู่ไบนารีเคอร์เนล
เบส์แบบ probit การจัดหมวดหมู่ตาม microarray มะเร็งและการเลือกยีน
ใช้และการเปรียบเทียบการตัดสินใจของเทคนิคการจัดหมวดหมู่ของต้นไม้ที่แตกต่างกันสำหรับการทำเหมืองแร่ icddr, b โรงพยาบาลข้อมูลการเฝ้าระวัง
การตรวจสอบภายนอกของการจัดหมวดหมู่ที่เสนอใหม่เซลล์พันธุศาสตร์ความเสี่ยงในผู้ป่วยที่มีอาการของโรค-myelodysplastic การวิเคราะห์ย้อนหลังในสถาบันเดียว
ระบบการจำแนกปริมาณตามเลือนสำหรับเต้านมผู้ป่วยมะเร็ง
จําแนกการฝึกอบรมเครือข่ายประสาทสำหรับการตัดสินใจทางการแพทย์ทำให้ผลของการขาดดุลเมื่อชุดข้อมูล ผลการดำเนินงานการจัดหมวดหมู่
การก่อสร้างความหมายมูลของ centroids สำหรับชุดข้อมูลที่มีคุณลักษณะต้นฉบับ
โรงพยาบาลใช้บันทึกอิเล็กทรอนิกส์ทางการแพทย์และค่าใช้จ่ายในการดูแลผู้ป่วยเด็กผู้ป่วยมะเร็งเต้านม
คำทำนายอยู่รอดโดยใช้ป้ายชื่อกำกับและหลอกติดฉลากข้อมูลผู้ป่วย
การจัดหมวดหมู่ของโรคมะเร็งเวที microarray ข้อมูล

ผลลัพธ์ (ไทย) 2:

การ unsupervised self-organizing เรียนสนับสนุนเวกเตอร์อันดับสำหรับ imbalanced datasets
เหนี่ยวนำต้นไม้ตัดสินใจใช้เลือกแอททริบิวต์แยกรวดเร็ว datasets ขนาดใหญ่
สำรวจ datasets วิดีโอสำหรับการรับรู้การกระทำและกิจกรรมที่มนุษย์
ชุดข้อมูลความซับซ้อนในการแสดงออกของยีนตามประเภทของมะเร็งที่ใช้วงของเคใกล้บ้าน
ฟังก์ชันความเสี่ยงขาดทุนปัญหาประเภทบ่อ multi-category
ทฤษฎีจำลอง probit เคอร์เนลไบนารีสำหรับ microarray โดยเลือกจัดประเภทและยีนโรคมะเร็ง
ใช้และเปรียบเทียบเทคนิคประเภทต้นไม้ตัดสินใจแตกต่างกันสำหรับการทำเหมืองแร่ ICDDR, B โรงพยาบาลเฝ้าระวังข้อมูล
ภายนอกตรวจสอบของใหม่เสนอ Cytogenetic ความเสี่ยงประเภทในผู้ป่วยที่มี Myelodysplastic Syndrome-A คาดวิเคราะห์ที่สถาบันเดียว
ระบบ quantifier ตามประเภทชัดเจนสำหรับผู้ป่วยโรคมะเร็งเต้านม
ฝึกอบรมเครือข่ายประสาทคำนามภาษาสำหรับแพทย์ตัดสินใจทำผลของ imbalanced datasets ประเภทประสิทธิภาพ
สูตรทางสร้าง centroids สำหรับ datasets มีแอททริบิวต์แบบ
เวชระเบียนอิเล็กทรอนิกส์ใช้และต้นทุนของห้องคลอดเด็กดูแล
ทำนายดันมะเร็งเต้านมโดยใช้ข้อมูลผู้ป่วยที่มีป้ายชื่อ ไม่ และ ป้ายหลอก
การจัดประเภทของมะเร็งระยะ microarray ข้อมูล

ผลลัพธ์ (ไทย) 3:

ที่ไม่มีการตรวจสอบด้วยตนเอง - การจัดระเบียบการเรียนรู้ด้วยการสนับสนุนหรือการจัดอันดับสำหรับเติบโต datasets
ซึ่งจะช่วยการตัดสินใจทรี:เตาแม่เหล็กไฟฟ้าโดยใช้ได้อย่างรวดเร็วการแยกแอตทริบิวต์ทางเลือกสำหรับขนาดใหญ่ datasets
ซึ่งจะช่วยให้ผลการสำรวจของวิดีโอ datasets สำหรับมนุษย์การดำเนินการและกิจกรรมการรู้จำ
dataset ความซับซ้อนในการแสดงออกทางความคิดเห็นยีนมะเร็งซึ่งใช้การแบ่ง ประเภท การใช้จุดของ K - ที่อยู่ใกล้ที่สุดเพื่อนบ้าน
ความเสี่ยงที่สำคัญการสูญเสียการทำงานสำหรับบางแบบมัลติ - ประเภท การแบ่ง ประเภท ปัญหา
Bayesian เคอร์เนล probit รุ่นไบนารีสำหรับ microarray ใช้การแบ่ง ประเภท เป็นมะเร็งยีนและการเลือก
การใช้และการเปรียบเทียบแตกต่างกันการตัดสินใจการแบ่ง ประเภท ทรีเทคนิคการทำเหมือง icddr , B โรงพยาบาลการตรวจจับข้อมูล
การตรวจสอบ ภายนอก ของที่ได้รับเสนอ cytogenetic ความเสี่ยงการแบ่ง ประเภท ในผู้ป่วยที่มีโรค myelodysplastic - ที่มีผลย้อนหลังการวิเคราะห์ที่สถาบันเดียว
ซึ่งจะช่วยให้ quantifier - ใช้การแบ่ง ประเภท ระบบ Fuzzy logic )สำหรับมะเร็งเต้านมผู้ป่วยเกิน
ซึ่งจะช่วยการฝึกอบรมเครือข่าย classifiers สำหรับการตัดสินใจทางการแพทย์ - ผลของเติบโต datasets ในการแบ่ง ประเภท การตอบแทน
ในทางความหมายแบบต่อสายดินการก่อสร้างของ centroids สำหรับ datasets พร้อมด้วยหนังสือแอตทริบิวต์
โรงพยาบาลอิเล็กทรอนิกส์ทางการแพทย์บันทึกการใช้งานและประหยัดค่าใช้จ่ายของโรงพยาบาลเด็กดูแล
มะเร็งเต้านมอยู่รอดการทำนายโดยใช้มีข้อความ,ไม่,และมีข้อความข้อมูลผู้ป่วย
ซึ่งจะช่วยให้การจำแนก ประเภท ของมะเร็งเวที microarray

ข้อมูล