Department of Information and Communication Systems Engineering, University of the Aegean, GR 83200 Karlovasi, Samos, Greece;
机译:数据驱动的主要成分分析 - 支持乳腺癌诊断的向量机方法:比较和应用
机译:支持向量机和脉冲耦合神经网络的乳腺癌MRI诊断方法
机译:最小二乘支持向量机和最小冗余最大相关性从乳腺癌显微图像诊断乳腺癌
机译:支持向量机在乳腺癌诊断和预后评估中的应用
机译:基于贝叶斯最小二乘支持向量机的框架,用于故障诊断和故障预测。
机译:基于支持向量机的乳腺癌患者预测预测乳腺癌患者预后的免疫模型
机译:一种方法,使用可变特征选择对乳腺癌预后的可变特征选择