36、人工智能前沿技术与食管癌自动检测方法

人工智能前沿技术与食管癌自动检测方法

1. 机器学习技术概述

1.1 k - 近邻（kNN）技术

k - 近邻（kNN）技术是一种简单但有效的分类方法。在该技术中，需要确定合适的 k 值，这是一个挑战，因为不同的 k 值可能会导致不同的分类结果。而且，每次计算每个邻居到新对象 v 的距离都会消耗额外的时间。

1.2 无监督学习

当历史数据没有被很好地标记，并且可能的类别数量也不明确时，就会使用无监督学习将数据集分组为聚类。无监督学习广泛应用于市场细分、推荐引擎、社交网络分析、医学成像、图像分割、搜索结果分组等领域。

聚类技术主要有以下几种类型：
- 硬聚类 ：所有对象或元素严格属于单个聚类。
- 软聚类 ：对象或元素可能属于多个聚类，其成员值根据对象与每个聚类之间的距离计算得出。

基于数据和算法的行为，聚类技术又可分为以下几类：
| 聚类类型 | 描述 | 示例 |
| — | — | — |
| 基于划分 | 将训练数据集划分为 k 个聚类，每个聚类由其质心标识 | k - 均值、PAM、k - 中心点、CLARANS、CLARA 等 |
| 基于层次 | 根据对象的层次结构将训练数据集划分为聚类 | ROCK、BRICH、CURE 等 |
| 基于模糊理论 | 类似于基于划分的技术，但对象可能属于多个聚类，能产生更高的准确性，但有陷入局部最优的风险 | FCS、FCM、MM 等 |
| 基于分布 | 根据对象的分布创建聚类，允许聚类向任何方向增长 | GMM、DBCLAS