数据来自：UCI机器学习库 http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/wpbc.names
“每个记录代表一个乳腺癌病例的随访数据。这些是自1984年以来Wolberg博士所见的连续患者，仅包括那些在诊断时表现出浸润性乳腺癌并且没有远处转移证据的病例。
2020-01-10 03:13:40
122KB
1
基于matlab的Iris、乳腺癌数据集的模式识别分类算法，含有 遗传算法+SVM、isodata、感知器算法、LMSE、神经网络等算法的实现代码，用于聚类效果良好，是模式识别大作业的参考资料
网盘链接：https://pan.baidu.com/s/1gQ_BHGWOGpmYv86gyv6EuQ
提取码：xigi
2019-12-21 22:22:37
6KB
1
如果机器学习能够自动识别癌细胞，那么它将为医疗系统提供相当大的益处。自动化的过程很有可能提高检测过程的效率，从而可以让医生在诊断上花更少的时间，而在治疗疾病上花更多的时间。自动
化的筛查系统还可能通过去除该过程中的内在主观人为因素来提供
更高的检测准确性。从带有异常乳腺肿块的女性身上的活检细胞的测度数据入手，应用 kNN 算法，从而研究机器学习用于检测癌症的功效。
2019-12-21 21:48:09
2KB
1
本代码主要利用MATLAB工具进行MATLAB——支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断
2019-12-21 20:55:39
8KB
1
乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法，存在需要专业领域 知 识 、耗 时 费 力 、提 取 高 质 量 特 征 困 难 等 问 题 。 为 此 ，采 用 一 种 改 进 的 深 度 卷 积 神 经 网 络 模 型 ，实 现 了 乳 腺 癌 病 理 图 像的自动分类;同时，利用数据增强和迁移学习方法，有效避免了深度学习模型受样本量限制时易出现的过拟合问 题。实验结果表明，该方法的识别率可达到 91%，且具有较好的鲁棒性和泛化性
2019-12-21 19:50:13
632KB
1