学术论文写作要点分析.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,0,研究意义,在威胁人类的重要疾病中,心脏病是世界卫生组织公布的人类健康“头号杀手”。根据,2009,年我国最新的心脏性碎死流行病学调查结果,每十万人中就有近,42,人死于心脏性猝死,如果以我国总人口数,13,亿推算,我国死于心脏性碎死的总人数高达,54.4,万例,/,年,位列世界首位。,对于心脏病这类高危疾病,其诊断过程具有特殊性和复杂性,心脏病病种的复杂多样,加上患者个体之间的差异性,使得心脏病的病理特征、临床症状的变化错综复杂,要求诊断医生具有很高的医疗,水平。,在我国,医疗,资源的不对称性决定了医疗诊断水平、治疗效率及救护,信息的,决策水平的差异,使心脏病患者无法得到高水平的标准化救治,医疗质量,难以得到,有效保证,。,医疗,决策支持系统（,MDSS,）能够,通过,计算机程序,实现对医疗人员的决策支持及医学知识的,科学分析,将患者的,医疗处理过程,中获取的经验和数据,经系统处理、评估以及利用科学研究所取得的知识,用于,帮助医疗人员解决复杂的医学,问题。,因此,应用人工智能技术构建先进,、有效,的心脏病医疗决策支持系统,辅助医生对心脏病患者进行准确、快速地,诊断和,治疗,对于提高我国心脏病医疗救治的效率与品质、改善我国广大心脏病,患者的,健康质量,具有重要意义。,1,内容结构,理论研究,实证研究,2,创新点,提出,了新,的,K-D,树,远端最近距离的,计算方法，降低了,K-D,树,检索,算法的,计算复杂,度，并,使用本算法,对,K-D,树,案例检索,的,NN,方法和,BBF,方法,进行,了改进，经过,测试本算法对方法和方法的改进都有明显的,效果，进一步说,明了本算法良好的性能及适应能力。利用基于该算法改进,的,K-D,树,检索,方法,，,有效,提升,了,CBR,推理,的案例检索效率,。,针对案例相似度计算的权重确定,问题，提出,了基于信息增益和粗糙,集重要度,的案例特征综合权重,计算方法，通过,动态调节经验,指数，实现,案例特征,最优,权重的确定,。,在建立,的,CBR-RBR,融合,推理模型,中，将,Bagging,算法,用于训练和,集成,RBR,推理,模块,的,C4.5,决策树分类器，优化了,RBR,模块,的推理性,能，与其他,CBR-RBR,融合,推理模型中模块使用单一分类器,相比，本,模型,的,RBR,模块推理性,能有了明显提高。,3,文献综述,论文文献综述分三个方面，对应三个创新点。每一部分都以当前研究的不足为落脚点，进而引发读者思考，同时引出作者的改进思路，突出文章创新点。,案例的特征选择及权重,计算,任海涛（,2004,）等利用,改进的粗糙集属性重要度计算方法实现了对,案例特征,权重的自动获取,但是该改进算法使用粗糙集的属性约简,而求属性约简,已被,证明,是,NP,问题,增大了算法复杂,度,Andras,等（,2008,）使用,信息,增益计算,特征权重,但,信息增益存在偏向属性值取值较多,的问题,信息增益大的属性并,不一定是,最优的属性,。,为了,使计算得到的案例特征属性的权重更为真实的反映案例特征的,重要度,需要对案例特征属性以不同测度计算得到的属性重要性进行综合衡量。,在不同,测度计算权重的基础上,进行综合加权,利用综合加权的权重来确定案例,特征,的权重,是一种考虑更为全面的办法,。,对应创新点,2,特征权重计算方法,3,文献综述,CBR,案例检索方法,K-D,树,是适合于多维特征数据检索的一种数据结构,。,K-D,树,也,称为,K,维搜索树,是一种基于案例空间分解的树型数据结构,表示空间的维数,。,K-D,树用,一个超平面将案例空间分割开,再继续对分隔开的各个部分进行递归分割,每一,层通过检查不同的案例属性取值来决定选择分枝的,方向,目前,K-D,树的检索算法主要有,NN,（,Nearest Neighbor,）方法和,BBF,（,Best-Bin First,）方法,二者,的搜索算法存在一个共同缺陷,即在,寻找远端最近点的过程中没有很好的利用已计算的结果,导致效率很低,。因此,建立,更为有效的远端最近距离计算方法,是提高一数案例检索效率的关键,问题,。,对应创新点,1K-D,树远端最近距离计算方法,3,文献综述,RBR,规则推理方法,决策树,通过对样本数据进行处理,使用归纳算法生成规则,并,能够以内部节点和分枝这类树状结构存储和表示规则。目前,主流的决策树算法,包括,ID3,算法、,C4.5,算法等,目前,很难找到各方面都非常完美的分类器方法。通常的解决办法是,采用,多分类器,分别对样本进行分类,最后再根据经验或指标对分类器进行评价,选择性能,最优的分类器,再对该分类器进一步优化和,改进,集群,优化推理注重的是基学习器在组合后的准确性,而非开始时各个基,学习器,的准确性。组合多个学习器的最简单方法是通过投票,相当于学习,器的,线性组合,这种方法也称为线性判断,组合,Bagging,是,另一种典型的投票方法,根据均匀概率分布从数据集中重复,抽样的技术。,Bagging,通过,降低基学习器方差改善了泛化误差,其性能依赖于基,学习,器的,稳定性,由于,Bagging,算法,在实际应用中所表现出来的良好性能,因此,使用,Bagging,算法对,C4.5,决策树,进行训练和集成,有利于,提高,RBR,规则推理,模型的分类性能。,对应创新点,3RBR,模块的集群优化,4,理论与实证研究,由于本文的创新点蕴含于模型处理方法之中，所以从文章结构设计上，作者并没有以创新点分章节；而是以模型处理流程划分，有助于读者对模型整体的理解，同时恰当地展示出创新方法在模型处理中的应用方向。虽未张扬地凸显出创新点，但从行文整体上看，却是一种合理的结构布局。,理论与实证部分小标题一一对应，加深对处理流程的理解，易于读者接受。,5,结果分析,结果分析在实验研究中占有重要地位，没有分析，实证研究就没有了意义。本文对上述建模运行的结果进行了纵向、横向地充分分析，得出了有说服力的结论。,纵向比较分析（改进的算法和原算法的比较，改良效果明显）,5,结果分析,横向,比较分析（该模型与其他模型的对比分析）,在总体上,本模型处于靠前的水平,并且本模型在确保准确度在较高的,水平,下,灵敏度和特异度也保持了很好的性能,说明本研究模型在心脏病诊断,问题中,具有良好的综合推理性能和适应能力,。,通过,对比分析,表明了本模型在各种,推理,性能指标方面均处于较高水平,对心脏病诊断具有较好的推理性能和泛化,能力,。,6,总 结,总体上看，该文章是一篇值得借鉴的论文。,摘要部分逻辑清晰，内容充分，明确表达出作者的研究工作；对论文价值的描述也较为客观；能很好地凸显创新点定位、主体内容、解决问题等要点。,文献综述，列举出相关领域的研究成果和不足，细分合理，既有概况面上的铺垫，又有一定的深度，易于读者理解并引发其思考。同时，能够以创新点为落脚点，逻辑性强。,模型设计与实证研究部分，结构设置合理。,结构分析，内容充分，有理有据，结论可靠，有较强的支撑。,另一方面，文章也存在改进的空间，值得我们思考。,摘要部分可以增加与当前研究成果的对比，点出一个参照，从而让读者能够最快地意识到文章的创新点。,实证研究部分，可以采用多个数据集，并对不同数据集的结果进行模型间的对比分析，消除偶然因素。,谢 谢！,