多维门控循环单元 该存储库包含用于在的论文中生成结果的代码。 它使用深度学习库PyTorch并用Python实现TensorFlow每个，修改后的版本也被用来在ISBI 2015年纵向病变划分的挑战，达到第一名，脑白质高信号第二名使用MICCAI 2017年（和其先前执行的挑战Caffe在MrBrainS13细分挑战赛中名列第三。 它也在BraTS 2017竞赛中得到了应用，在该竞赛中，确切排名的信息仍然未知。 自从使用Caffe实现首次发布以来，该代码已进行了相当多的改进，尤其是在处理培训和测试运行方面。 尽管使用TensorFlow和PyTorch的这种新实现，报告的结果仍应可重现。 （不再维护以前的Caffe代码（CuDNN中可能存在重大更改，未经测试），但此版本的快照包含在此版本的tensorflow_extra_ops文件夹中，作为TensorFlow的附加操作。） 该代码已

基于最大信息系数和Gram-Schmidt正交化的生物医学数据过滤特征选择方法

生物医学数据挖掘b5.128_11964459.pdf

上传文档中，包含了生物医学数据分析文档及其使用MATLAB的实现

使用改进的SFLA进行疾病诊断的高维生物医学数据特征选择

使用改进的改组蛙跳算法对优化的高维生物医学数据进行特征选择

《生物医学数据分析及其matlab实现》pdf格式的电子书，虽然不是很清晰，但能看，并附教材例题.m源程序。