一、ROC曲线下面积的ML估计与假设检验（论文文献综述）
陈婷婷[1]（2020）在《听觉稳态响应的溯源、检测及其在昏迷预后中的研究》文中研究表明听觉稳态响应（Auditory steady state responses,ASSRs）是一种由周期性听力刺激诱发产生的稳态脑电信号,其临床应用广泛,目前主要可应用于听力测试和麻醉监控等领域,此外也有少数研究报道了其应用于脑功能评价和昏迷预后等方面的可能性。昏迷是一种严重的意识障碍,其早期的预后评估对尽早确定昏迷患者的预后、治疗方案具有重要意义。本文以一种典型的ASSR为研究对象,以其在昏迷预后应用中的作用为研究导向,开展40-Hz ASSR的溯源、自动检测和昏迷预后应用研究等一系列连贯工作。这些工作的内在联系在于:首先通过提出ASSR源定位方法探究40-Hz ASSR的皮质起源,以佐证其昏迷预后应用价值,然后提出ASSR自动检测算法以实现预设虚警概率下的自动检测,最后融合多范式多电极40-Hz ASSR自动检测结果构建昏迷预后预测系统。具体来说,本文开展的三方面工作展开如下:首先,为从脑起源的角度论证40-Hz ASSR在评估脑功能方面的价值,本文从多数据段中ASSR频域成分具有联合稀疏性这一观点出发,在贝叶斯框架下对脑电频域复向量进行统计建模,构建了层级贝叶斯模型,并以稀疏支持向量表示源定位问题的解。最终基于期望最大化思想,实现未知参数的估计,推导得到稀疏贝叶斯学习算法。与其它线性分布式源定位方法相比,该算法能够实现鲁棒性更好、精度更高的定位效果。将该算法应用于探究40-Hz ASSR的皮质起源时,定位结果显示40-Hz ASSR皮质起源广泛,主要位于颞叶和前额皮质、在顶叶也有少量的源分布。然后,基于广义似然比检验（GLRT）框架提出ASSR自动检测算法。传统的ASSR检测方法易受判决者主观判断的影响,本文提出的ASSR检测算法能够实现在预设虚警概率下的自动检测,使得检测结果具有统计意义。基于GLRT框架可以将ASSR检测问题建模为幅度和相位未知的正弦信号的二元假设检验,假设自发脑电服从K分布、电噪声服从高斯分布,由此得到统计量的概率分布形式。通过引入最大似然估计得到检验统计量的具体形式,最终得到虚警概率可控的ASSR自动检测算法。为验证算法的有效性,本文对26名健康被试实施了 40-Hz ASSR引出实验,并将该算法用于ASSR的检测。检测结果表明,重复实验次数为5次的前提下,虚警概率为0.05、数据平均次数达到12次时该算法可以达到100%的检测率,为实现昏迷病人40-Hz ASSR的可靠检测奠定了基础。最后,经过前述40-Hz ASSR溯源结果的佐证,基于ASSR自动检测方法开展了 40-Hz ASSR昏迷预后应用研究。研究共纳入32名昏迷患者作为被试,进行多种范式下的40-Hz ASSR引出实验,并对患者的预后情况进行随访。为探究40-Hz ASSR与昏迷病人预后的相关性,将每种范式下单个电极的40-Hz ASSR检测结果作为昏迷预后的预测因子,通过受试者工作特征曲线下的面积评价预测因子的预测性能。实验结果表明,40-Hz ASSR能否引出与预后结果显着相关,且相比于单个预测因子,融合所有预测因子能够取得更好的预测效果。故可考虑联合多范式多电极的40-Hz ASSR检测结果,构建基于40-Hz ASSR自动检测算法的昏迷预后预测系统。本论文在ASSR溯源、自动检测、昏迷预后应用三个方面开展了相应工作,并逐步递进。ASSR溯源工作中得到的ASSR源定位算法为探究ASSR起源提供一种新的途径,并验证了 40-Hz ASSR具有广泛的皮质起源,为其在昏迷预后上的应用作理论基础;ASSR自动检测算法实现了虚警概率可控的自动检测,为ASSR昏迷预后系统提供了一种简单、客观、可靠的ASSR检测方法;最终,ASSR昏迷预后应用研究证明了结合多范式多电极的40-Hz ASSR自动检测结果能够为昏迷患者提供一种可能的预后预测方案,验证了 40-Hz ASSR的昏迷预后预测价值。
宋双宏[2]（2020）在《基于Logistic和Cox模型的违约概率模型研究》文中研究表明自上世纪六十年代以来,有关违约概率的计算与评估始终是业界专家和学者的研究热点,许多优秀的研究成果也如雨后春笋般不断出现。但许多在国外应用广泛的模型在我国却缺乏必要的实施环境和硬件基础。针对这一情况,笔者在研究国内外专家学者的优秀成果后,对信用风险违约概率模型研究现状和应用情况进行了总结梳理,并基于Logistic和Cox模型的理论基础结合国内上市公司的真实数据进行建模和实证分析,为我国上市公司提供营运建议,为商业银行规避风险、调整授信策略提供参考。本文结合课题背景及研究意义较为详细地梳理了国内外关于违约概率模型的研究现状,分析了各种模型的基本理论和应用情况,并结合实践可行性和模型适用性选择Logistic模型与Cox模型进行进一步的研究。在实证分析方面首先设置观测期为2015至2016年,将沪深两市的223家上市公司的财务数据分为建模组和测试组后对建模组数据进行变量筛选,分别建立Logistic模型和Cox模型,采用统一的违约分界点进行判别分析,绘制ROC曲线和K-S曲线进行模型能力比较,得出在建模组数据下Cox模型在识别违约公司和非违约公司方面都更胜一筹的结论;之后将测试组的数据用于模型拟合并且在相同条件下对两类模型进行对比,同样验证了 Cox模型总体表现更强的观点,并指出Cox模型具备的动态预测能力使得它可以较为精准的预测上市公司在生存时间内每个时间点的生存概率。最后,结合理论知识和研究应用从不同角度提出相应的建议,总结本文的不足之处并进行展望。
贺玉梁[3]（2020）在《运动小平台主动声呐目标回波信号检测技术研究》文中进行了进一步梳理目标回波信号检测是主动声呐应用的一个重要方面,尤其对水下运动小平台搭载的目标探测主动声呐而言,其在应用上通常面临一些特殊问题。本文以水下运动小平台搭载的主动声呐为物理基础,对目标回波信号检测技术进行研究。这类平台具有尺度小、机动灵活等优点,但这同时也引发了特有的回波信号检测问题。本文针对平台特点和所面临的问题,重点对声呐波形优化设计技术、复合高斯混响下小样本需求的空时自适应检测、混响干扰下增强目标回波的空时滤波、抑制相关距离旁瓣的失配滤波等关键技术,进行了深入的分析和研究,旨在为水下无人航行器平台的目标主动探测奠定基础。本文主要研究内容和创新点如下:1.对于水下小平台搭载的目标探测主动声呐而言,其平台尺度较小,发射能力有限,因而要求所选用的发射波形应具备足够低的峰均功率比,以利于声呐发射机高效发射来满足探测作用距离需求。对某些特性良好但峰均功率比较高的波形,为了缓解其在小平台主动声呐上应用所面临的困境,需要设计一种能尽量保持波形固有特性,同时获得期望低峰均功率比的波形优化技术。针对该问题,本文提出了一种降低这些波形峰均功率比的优化技术——基于交替投影方法的低峰均功率比波形优化技术,该算法将降低波形峰均功率比问题考虑为频谱成形问题,在交替投影算法基础上通过设计投影约束集合与投影算子实现频谱成形,具有折中控制波形峰均功率比和固有特性的能力,并从理论上分析了方法的收敛性和有效性。受益于交替投影技术,生成的信号具有低幅度谱逼近误差及低带外频谱泄露特性,适于主动声呐的高效发射。仿真实验处理了几何梳状谱信号和伪随机信号的峰均功率比控制,验证了所提方法的有效性。2.运动平台主动声呐的阵列混响具有空时耦合特性,单独从空时域任一维处理都不能最大程度地抑制混响干扰,因而需要借助空时联合处理方法。此外,主动声呐混响通常具有较强的非平稳性,由于海底散射体尺度的不均匀性等囚素,混响也常呈现出非高斯性,因而需要设计能抑制非平稳非高斯混响的空时目标检测方法。针对非平稳非高斯混响背景下运动平台主动声呐的目标回波信号检测问题,本文提出了一种基于STAP的检测方法——复合高斯混响下多通道空时自适应信号检测的一种参量型GLRT方法,其以复合高斯（Compound-Gaussian,CG）模型对非高斯分布进行建模,以多通道自回归参量模型对问题进行降维,具有适应非平稳混响统计特性的小训练样本需求,而后基于GLRT理论构造了多通道参量型检测器CG-PGLRT。在复合高斯或退化的高斯混响背景下,其均表现出一定的适用性。仿真和试验表明所提检测器相比于传统的基于协方差估计的检测器,对训练样本的需求显着下降,并能提供优越的估计和检测性能。3.在主动探测声呐的方位历程图滤波输出中,尽管可能已经考虑了某些混响抑制策略,但在混响影响严重的近距离区域,大量虚假的混响回波亮点会掩蔽真实目标回波的可见性,尤其在浅海环境下,很大程度上会增大后续检测判决的虚警率,因而需要进一步减小混响干扰增强真实目标回波可见性的空时滤波方法。针对在运动平台主动声呐近程目标的方位历程图滤波输出中,残留混响干扰影响真实目标回波后续的检测判决问题,本文提出了几种在混响干扰下增强目标回波的方法——混响干扰下基于低秩稀疏分解增强目标回波的空时滤波,该方法在逐帧的近程目标方位历程图中,假设混响成分是近似低秩的,运动目标回波成分是稀疏的,此外还有残余的噪声成分,从而可以对待分离数据进行低秩稀疏表示。依据数据的组织形式不同,问题可以表示为以矩阵数据为基本输入的离线模型,和以向量数据为基本输入的在线模型。对于离线模型问题,给出了加速近端梯度算法;对在线模型问题,给出了基于不同混响子空间估计方法的低秩稀疏分解算法。仿真和试验将所提分解算法应用到了增强目标回波的空时滤波中,说明了这些方法的有效性。4.在某些噪声为主要干扰的主动声呐场景中,相关处理的距离旁瓣控制是一个非常关键的问题,一方面这关系到非模糊测距问题,另一方面,这涉及到强目标的高距离旁瓣对弱目标主瓣的掩蔽问题,因而需要设计一种低距离旁瓣的滤波方法。针对主动声呐目标回波匹配滤波输出的高距离旁瓣问题,本文提出了一种抑制相关距离旁瓣的方法——最大损失可控的低距离旁瓣失配滤波器设计,该方法能够灵活地控制信噪比最大损失,并且通过加权函数可以有效地控制失配滤波特性,进而实现距离旁瓣抑制的最优化处理。依据干扰背景形式的不同,失配滤波器可被设计成最小化积分旁瓣级或峰值旁瓣级,而后以旁瓣级为优化目标,信噪比损失为约束,构造了二阶锥规划问题并给出了其求解方法。在目标回波信号多普勒已知或未知下,分别给出了一维或二维最优失配滤波器设计。仿真以离散相位编码信号、线性调频信号和伪随机信号为例,分析了相应的失配滤波器的距离旁瓣抑制性能,说明了所提方法对相关距离旁瓣抑制的有效性。
商哲然[4]（2019）在《多通道雷达认知自适应检测技术研究》文中研究表明多通道雷达即具有多个时域或空域通道的雷达系统,其主要任务之一是从杂波、噪声甚至干扰背景中检测出目标信号。自适应检测是针对多通道雷达检测任务所使用的检测方法。与传统分步检测方法相比,自适应检测是可以同时实现杂波抑制、相参积累和恒虚警检测过程一体化的检测技术,检测器结构简单,检测性能更佳。自适应检测技术可应用众多于军事和民用领域,包括对陆海空目标的监视和预警,武器的引导、打击,交通监管、气象预测和海面监控等。典型的自适应检测器的设计是基于理想的假设条件,即,均匀高斯杂波,充足的独立同分布训练样本,环境不存在有源干扰等。但大量研究表明由于远距离探测,地理环境的复杂多变,电磁环境的日趋复杂等因素,导致目标的检测背景变得非常复杂,环境往往不在具备以上的假设,这使得基于理想假设的传统自适应检测器的检测性能下降。因此研究复杂背景下的自适应检测器具有重要的实际应用价值。本文针对传统自适应检测面临的问题,在部分均匀、复合高斯、广义特征值关系等多种非高斯环境中,利用外部信息对环境进行认知,利用相应的先验信息和知识,对认知自适应检测器做了系统研究,具体有:1、通常检测器只针对某一特定环境模型进行设计,不能够适应环境变化剧烈的情况,所以需要对检测环境进行认知,进而选择最佳的检测器。基于此,提出先环境认知再检测的检测策略。将环境认知问题建模为多个环境模型假设问题,从而将环境认知转化为环境模型识别。然后,利用模型阶数选择技术（Model Order Selection,MOS）来得到合适的决策准则。使用了四种MOS准则来实现3种模型的识别。仿真和实测数据的识别结果表明,Akaike信息准则（Akaike information criteria,AIC）具有最好的识别鲁棒性。2、针对非高斯杂波和小样本条件下的协方差估计问题,利用多种几何度量,提出了5种通过几何度量的色加载协方差估计量。仿真和实测数据的实验结果表明,5种协方差估计量的协方差估计精度都优于现有估计器。在自适应归一化匹配滤波检测器（Adaptive Normalized Matched Filter,ANMF）中运用所提协方差估计量,其检测效果优于现有的检测器,且非高斯杂波和小样本条件下,优势更加明显。其中基于欧几里得的色加载协方差估计量（Euclid Color Loading Covariance Estimator,E-CL）性能最佳。另外,将得到的协方差估计量应用于模型选择,进一步提高了模型选择规则在小样本下的识别率。3、针对复合高斯和小样本条件下的检测问题,根据GLRT准则和色加载模型,对两种假设下的色加载系数进行认知,提出了一种GLRT自适应检测器,即广义线性组合GLRT检测器（General Linear Combination GLRT,GLC-GLRT）。该检测器将协方差估计和检测器设计相结合,同时得到检测器结构和协方差矩阵估计量。通过仿真和实测数据的验证,所提的检测器在高斯小样本条件下,要优于现有1S-GLRT检测器。在复合高斯环境中,本文所提检测器性能均优于1S-GLRT检测器,并且在小样本下优势明显。另外,当先验协方差退化为单位阵时,本文所提检测器的性能也优于现有检测器。4、针对环境存在有源干扰的子空间信号检测问题,根据GLRT、Rao和Wald准则推导了广义特征关系非均匀下的子空间自适应检测器,仿真实验表明,子空间GLRT检测器性能最佳,对有源干扰抑制最好;子空间Wald检测器对失配信号检测效果最好;子空间Rao检测器不能在该环境下有效进行检测。进一步,为应对该环境下的小样本检测问题,加入协方差的反对称先验结构,推导出三种准则下的反对称结构子空间检测器,即反对称子空间GLRT（Persymmetric Subspace GLRT,P-SGLRT）检测器,反对称子空间Rao（Persymmetric Subspace Rao,P-SRao）检测器,反对称子空间Wald（Persymmetric Subspace Wald,P-SWald）检测器。仿真实验表明,除P-SRao检测器外,其余两种检测器在小样本下均能有效工作。其中,P-SGLRT检测器性能最佳,对有源干扰抑制最好;P-SWald检测器对失配信号检测效果最好。5、对自适应检测在天基雷达中的应用做了分析。首先建立了天基杂波模型,分析了距离模糊和地球自转对天基杂波谱的影响。然后利用广义相邻多波束法（Generalized adjacent Multiple-Beam,GMB）进行降维,分别对复合高斯和广义特征值关系建模的天基杂波进行了分析。复合高斯条件下,使用GLC-GLRT,和AMF检测器对该场景下的目标进行检测,仿真实验结果显示,GLC-GLRT在小样本下具有更好的检测性能。对于广义特征值关系环境下,使用三种反对称子空间检测器,分析了距离模糊和地球自转对干扰抑制性能的影响。综合两种环境下的结果,距离模糊导致检测性能整体下降,地球自转使得杂波多普勒中心偏移,影响可检测速度的范围。
王怡珊[5]（2012）在《肺癌呼出气体标志物确定及电子鼻临床诊断方法研究》文中进行了进一步梳理通过检测呼出气体进行疾病诊断的研究已经有将近40年的历史了,近几年有许多研究者将呼出气体中挥发性有机化合物（VOCs）的检测应用于肺癌诊断,但对于肺癌的特征性VOCs成分及其产生机制还没有形成统一的结论。另外,也有许多研究者检测了呼出气体冷凝物（EBC）中肺癌的标志物,如癌胚抗原（CEA）等。呼吸检测是一种快速,无创,新颖的检测手段,具有广阔的应用前景。本论文分析了呼出气体中挥发性肺癌标志物和呼出气体冷凝物中非挥发性肺癌标志物,并用自行研制的电子鼻来检测呼出气体中肺癌特征性VOCs。主要内容包括以下几个方面：本论文进一步分析了前期於锦等人从采集的85例肺癌患者,70例肺部良性疾病患者以及88例健康人呼吸气体样本的质谱数据中提取出的41种内源性VOCs。分析了每一种VOCs的ROC曲线,并根据它们各自的ROC曲线下面积和统计学差异p值,选出了25种在肺癌组和对照组有统计学差异的VOCs,作为肺癌特征性标志物。然后又采用线性判别式分析,建立最佳肺癌诊断模型,该最佳模型的敏感度和特异性分别达到了95.29%和96.20%。我们实验室自行研制了两台电子鼻用来检测呼出气体中的VOCs,一台基于金属氧化物半导体（MOS）传感器,一台基于声表面波（SAW）传感器。本论文开发了两套软件,一套是与基于MOS传感器的CN e-NoseⅡ呼吸检测电子鼻配套的检测分析软件,该软件主要完成对仪器的控制和对传感器数据的处理分析。另一套软件是MOS-SAW复合传感器肺癌诊断软件,该软件实现的是对MOS传感器和SAW传感器的数据进行分析并建立肺癌诊断模型。本论文采用这两台电子鼻分析了42例健康人和47例肺癌患者呼出气体样本,从数据处理后的传感器响应曲线中提取出138个特征值。同时分析了这些特征值各自的ROC曲线,根据ROC曲线下面积提取出53个对区分肺癌组和健康组有统计学意义的特征值作为模型的自变量。最后采用主成分分析（PCA）、线性判别式分析（LDA）、人工神经网络（ANN）以及偏最小二乘回归分析（PLS）这四种模式识别算法建立了以下六种模型：LDA模型、ANN模型、PLS模型、PCA-LDA模型、PCA-ANN模型以及PCA-PLS模型。最终发现PCA-ANN模型具有最高的特异性和敏感度,分别为90.48%和93.62%,并具有较高的建模效率。本论文还采集分析了肺癌患者的EBC样本,对EBC中的癌胚抗原（CEA）,神经元特异性烯醇化酶（NSE）以及鳞状细胞癌抗原（SCC）这三种蛋白质的含量进行了检测分析。虽然EBC中肺癌标志物近年来已被很多研究人员研究,但对这三种标志物的研究还很少见,虽然这些标志物是常见的血清肺癌标志物,但很少有人研究其在EBC中的浓度。本论文检测了EBC中这三种标志物,发现CEA和SCC的检出率达到30%左右,本论文还分析这三种标志物与肺癌病理类型之间的关系。
韦修喜,周永权[6]（2010）在《基于ROC曲线的两类分类问题性能评估方法》文中提出为了克服传统分类算法指标存在的不足,即分类准确度、精确度和检测概率等指标对类别先验概率不具有稳健性,采用基于雷达接收机工作特性曲线即ROC曲线的评估方法来评估两类分类算法,通过参数法或非参数法建立ROC曲线,使用几率点欧氏距离、曲线下面积、最佳阈值点等指标对两类算法进行性能评估。实验结果表明,相对于传统算法,基于ROC曲线的评估方法的性能得到了很大的提高,在分类器识别算法性能评估中是一种有效的评估方法。
汪国庆,周玉球,陈望[7]（2010）在《MCV、MCH在妊娠周期中的变化及其对地贫筛查的价值》文中提出目的:探讨平均红细胞体积（MCV）和平均红细胞血红蛋白含量（MCH）在妊娠周期中的变化规律及MCV、MCH对地贫筛查的价值。方法:收集2007年珠海市妇幼保健院正常育龄妇女的血细胞分析数据550例,通过随机数字法取110例,求其平均值为对照组。孕妇血细胞分析数据4 958例为实验组,通过分组求其平均值并通过SPSS 12.0软件画出相应曲线,观察MCV、MCH随孕周不同其值的变化规律,并与对照组进行比较。同时另收集地中海贫血筛查中经基因分析确诊的327例血细胞分析数据,通过受试者工作曲线（ROC）分析MCV、MCH对地贫筛查价值的大小。结果:对照组的MCV平均值为86.7 fl,MCH平均值为29.8 pg。实验组的MCV、MCH随孕周的增长而逐步增大,2225周左右达高峰,随后下降。MCV的ROC曲线下面积达0.910,MCH的ROC曲线下面积达0.907。对照组与实验组的MCV值在孕2629周有差异,MCH值在孕2229周有差异。实验组的MCV、MCH值从孕26周开始下降。结论:孕妇的MCV和MCH随孕周的增加先升后降;MCV和MCH指标在妊娠期均可有效地筛查出地贫携带者。
何峻,赵宏钟,付强[8]（2007）在《自动目标识别性能评估指标简述》文中研究指明针对自动目标识别（ATR）评估领域的研究需求,首先明确了ATR评估中的若干基本概念,然后分别介绍了混淆矩阵、概率型指标、数率型指标和基于ROC曲线指标的概念、定义及用法。提出了评估指标的选取原则,并根据这些原则对比分析了上述四类指标,所得出的结论对于实际的ATR性能评估操作具有一定的参考价值。
李悦[9]（2007）在《非参数法与参数法估计ROC曲线下面积的应用研究》文中指出目的本研究旨在以ROC曲线分析的理论与实例相结合的方式,阐述Hanley和McNeil非参数法、双正态模型参数法估计ROC曲线下面积,以及通过两个小样本（每组例数均＜100）实例探讨两种估计方法结果的差异,为医务工作者选择适宜的ROC曲线下面积的估计方法提供参考。方法以彩色多普勒B超诊断喉癌和CA125、RMI1、RMI2和RMI3诊断卵巢癌为例,分别采用Hanley和McNeil非参数法和双正态模型参数法估计ROC曲线下面积,探讨这两种估计方法在诊断试验准确度评价中的应用,并对两种方法的结果进行比较。结果Hanley和McNeil非参数法和双正态模型参数法估计彩色多普勒B超诊断喉癌的曲线下面积非常接近,均显示彩色多普勒B超在喉癌的诊断中有较高的诊断价值。两种方法估计CA125、RMI1、RMI2和RMI3诊断卵巢癌的曲线下面积相差较大,用这两种方法比较诊断指标曲线下的面积时发现,CA125与RMI比较以及RMI2与RMI3比较,两种方法的结果是一致的,而CA125与RMI2、CA125与RMI3、RMI1与RMI2、RMI1与RMI3的结果却不一致。结论当资料服从双正态分布时,可选择Hanley和McNeil非参数法、双正态模型参数法中的任一种估计ROC曲线下的面积;对于偏态分布的资料,在选择方法时宜慎重,如果是大样本的数据（每组例数均≥100）,可以选择这两种方法中的任一种;但如果是小样本数据,选用非参数法更合适。
程枫[10]（2007）在《50岁及以上妇女骨质疏松筛检工具的评价及建立》文中认为50岁及以上妇女骨质疏松筛检工具的评价及建立目的探讨亚洲妇女骨质疏松自我评价工具（OSTA）应用于我国大陆地区50岁及以上妇女的筛选效果。按照WHO批准的诊断标准，以骨矿含量（BMC）为诊断指标，建立四川省50岁及以上妇女骨质疏松的筛检工具，为骨质疏松筛检和诊断的进一步发展提供依据和方法学参考。方法根据OSTA计算公式得到每个被测者的OSTA得分。依据其筛选临界值将所有对象划分为三个危险性等级或有、无骨质疏松危险性两类。通过筛检评价指标，灵敏度、特异度、Kappa值等，对双能X线骨密度仪（DXA）测定的股骨颈骨密度所得T-score与OSTA的判定结果进行对比分析。通过多元线性回归筛选影响BMC的主要因素，采用Fisher判别分析建立四川省妇女骨质疏松的筛检工具，并利用ROC曲线评价筛检效果。结果按照L．K．H．Koh等提出的三级筛选界值对我国大陆地区50岁及以上妇女进行骨质疏松危险性判定，结果表明OSTA与T-score的分类一致性较差，OSTA的临床适用性有限。若将中危险性与高危险性合并为一类，其两类判定的结果仍然不好；临界值调整后灵敏度与阴性预测值有所提高，但与T-score的分类一致性没有得到改善。本研究利用“九五”攻关四川省数据，对影响BMC的因素进行筛选，发现主要变量为体重、年龄，其次为身高、绝经年龄与是否脆性骨折。通过Fisher判别分析，提出了四川省妇女OP的筛检工具。考虑到筛检工具的实用性与简洁性，模型中仅纳入体重、年龄两个变量。对新工具进行评价，ROC曲线下面积为0.828（P＜0.05）。临界点确定为86，此时灵敏度为90.5％，特异度为50.0％。结论OSTA不适用于我国大陆地区50岁及以上的妇女的骨质疏松危险性预测，调整临界值后，其应用效果仍然不理想。从逐步回归的结果可知，影响四川省妇女BMC的主要因素是体重和年龄。由这两个变量得到的新筛检工具筛检准确性较高，具有筛检价值，建议使用此筛检工具对四川省妇女进行骨质疏松的筛检。同时，说明了BMC对骨质疏松有一定的诊断价值，但由于目前诊断骨质疏松没有真正意义的金标准，BMC的诊断价值还有待进一步证实。
二、ROC曲线下面积的ML估计与假设检验（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、ROC曲线下面积的ML估计与假设检验（论文提纲范文）
（1）听觉稳态响应的溯源、检测及其在昏迷预后中的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 ASSR源定位方法研究现状 |
| 1.2.2 ASSR检测方法研究现状 |
| 1.2.3 ASSR昏迷预后应用研究现状 |
| 1.3 本文主要工作及内容安排 |
| 第2章 ASSR研究相关理论基础与实验设计 |
| 2.1 ASSR理论基础 |
| 2.2 贝叶斯方法 |
| 2.3 广义似然比检验 |
| 2.4 ASSR实验设计 |
| 2.4.1 声音刺激信号 |
| 2.4.2 数据采集系统 |
| 2.5 本章小结 |
| 第3章 基于稀疏贝叶斯算法的ASSR源定位研究 |
| 3.1 稀疏贝叶斯方法理论基础 |
| 3.2 信号模型 |
| 3.3 层级贝叶斯模型 |
| 3.3.1 单个被试条件下的贝叶斯网络 |
| 3.3.2 多被试条件下的贝叶斯网络 |
| 3.4 稀疏贝叶斯学习 |
| 3.5 性能验证实验 |
| 3.5.1 数据预处理 |
| 3.5.2 实验流程与实验结果分析 |
| 3.6 40-Hz听觉稳态响应溯源 |
| 3.7 本章小结 |
| 第4章 基于广义似然比检验的ASSR自动检测方法研究 |
| 4.1 基于GLRT框架的检测器初级形式 |
| 4.2 基于K分布模型对自发脑电建模 |
| 4.3 K分布参数估计 |
| 4.4 性能验证实验 |
| 4.4.1 数据预处理 |
| 4.4.2 实验流程与实验结果分析 |
| 4.5 本章小结 |
| 第5章 ASSR在昏迷预后应用上的研究 |
| 5.1 纳入病人 |
| 5.2 采集电极分布设计 |
| 5.3 统计分析方法 |
| 5.4 实验流程与实验结果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（2）基于Logistic和Cox模型的违约概率模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 国内外研究现状 |
| 1.1.1 古典信用风险度量 |
| 1.2 课题背景及研究意义 |
| 1.2.1 新兴的信用风险量化模型 |
| 1.3 研究思路与框架 |
| 第2章 Logistic模型的基本原理 |
| 2.1 Logistic模型介绍 |
| 2.2 参数估计 |
| 2.3 模型检验 |
| 2.3.1 ROC曲线和AUC值 |
| 2.3.2 K-S检验和K-S曲线 |
| 2.3.3 CAP曲线和AR指标 |
| 第3章 Cox模型的基本原理 |
| 3.1 预备知识 |
| 3.1.1 生存函数 |
| 3.1.2 危险函数 |
| 3.1.3 累计危险函数 |
| 3.1.4 生存分析的基本方法 |
| 3.1.5 生存数据 |
| 3.2 Cox模型介绍 |
| 3.3 统计检验 |
| 3.3.1 参数估计 |
| 3.3.2 假设检验 |
| 3.3.3 基准生存函数的估计 |
| 第4章 两类违约概率模型 |
| 4.1 数据及指标选取 |
| 4.1.1 数据收集及处理 |
| 4.1.2 显着性检验 |
| 4.1.3 多重共线性检验 |
| 4.2 Logistic模型 |
| 4.2.1 构造模型 |
| 4.2.2 模型判别能力检验 |
| 4.3 Cox模型 |
| 4.3.1 构造模型 |
| 4.3.2 模型判别能力检验 |
| 4.4 两类模型的比较研究 |
| 第5章 结论 |
| 第6章 不足与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（3）运动小平台主动声呐目标回波信号检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 立题背景和意义 |
| 1.2 主动声呐目标回波信号检测技术的研究历史与现状 |
| 1.2.1 声呐波形设计及优化 |
| 1.2.2 复合高斯混响下的空时信号检测 |
| 1.2.3 混响干扰下增强目标回波的空时滤波 |
| 1.2.4 抑制相关距离旁瓣的失配滤波技术 |
| 1.2.5 各章主题间的关系 |
| 1.3 论文的研究内容 |
| 第2章 小平台主动声呐波形峰均功率比优化技术 |
| 2.1 引言 |
| 2.2 常用声呐信号混响抑制能力分析 |
| 2.2.1 信号的模糊度函数 |
| 2.2.2 几种声呐信号模糊度分析 |
| 2.3 基于交替投影法优化波形峰均功率比的频谱成形 |
| 2.3.1 交替投影的误差缩减算法 |
| 2.3.2 误差缩减算法的频谱成形 |
| 2.3.3 算法约束集合及投影算子的选取 |
| 2.4 波形峰均功率比控制的仿真分析 |
| 2.4.1 几何梳状谱信号 |
| 2.4.2 期望功率谱的伪随机信号 |
| 2.5 本章小结 |
| 第3章 运动平台复合高斯混响下的多通道空时自适应信号检测 |
| 3.1 引言 |
| 3.2 空时检测问题描述及常用方法 |
| 3.2.1 基于协方差估计的空时自适应检测方法 |
| 3.2.2 多通道参量型空时自适应检测方法 |
| 3.3 复合高斯混响下低训练需求的多通道参量型检测器 |
| 3.3.1 问题模型假设 |
| 3.3.2 检测器未知参数估计 |
| 3.3.3 多通道参量型检测器CG-PGLRT |
| 3.4 检测器理论性能分析 |
| 3.4.1 高斯模型下的性能 |
| 3.4.2 复合高斯模型下的性能 |
| 3.5 仿真实验 |
| 3.5.1 参数估计性能 |
| 3.5.2 检测性能 |
| 3.5.3 仿真混响下的性能 |
| 3.6 外场试验处理 |
| 3.7 本章小结 |
| 第4章 运动平台混响背景下基于低秩稀疏分解增强目标回波的空时滤波 |
| 4.1 引言 |
| 4.2 分解问题的低秩稀疏表示 |
| 4.2.1 矩阵式离线表示 |
| 4.2.2 向量式在线表示 |
| 4.3 实现低秩稀疏分解的算法 |
| 4.3.1 离线分解算法 |
| 4.3.2 在线分解算法 |
| 4.4 仿真分析 |
| 4.4.1 混响背景的仿真建模和低秩性分析 |
| 4.4.2 低秩稀疏分解增强目标回波的空时滤波 |
| 4.5 外场试验处理 |
| 4.6 本章小结 |
| 第5章 噪声背景下低相关距离旁瓣的失配滤波技术 |
| 5.1 引言 |
| 5.2 常规相关距离旁瓣抑制方法 |
| 5.2.1 时域幅度加权法 |
| 5.2.2 基于驻定相位原理的非线性调频信号 |
| 5.3 失配滤波的互相关特性 |
| 5.4 失配滤波器的一维最优化设计 |
| 5.4.1 加权积分旁瓣最小化 |
| 5.4.2 加权峰值旁瓣最小化 |
| 5.5 失配滤波器的二维最优化设计 |
| 5.5.1 加权积分旁瓣最小化 |
| 5.5.2 加权峰值旁瓣最小化 |
| 5.6 具有色噪声抑制能力的失配滤波器 |
| 5.7 失配滤波性能的仿真分析 |
| 5.7.1 离散相位编码信号 |
| 5.7.2 线性调频信号 |
| 5.7.3 伪随机信号 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 附录A 投影算子推导 |
| 附录B QR更新算法 |
| 附录C 加权ISL最小化的KKT条件法 |
（4）多通道雷达认知自适应检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号列表 |
| 缩略语 (英文缩写词对照表) |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 自适应检测技术研究现状 |
| 1.3 认知自适应检测技术研究现状 |
| 1.3.1 间接使用 |
| 1.3.2 直接使用 |
| 1.4 本文主要工作及内容安排 |
| 第二章 自适应检测的基本方法 |
| 2.1 问题和数据模型 |
| 2.2 检测器设计准则 |
| 2.3 检测环境模型 |
| 2.3.1 均匀环境 |
| 2.3.2 非均匀环境 |
| 2.4 本章小结 |
| 第三章 基于模型阶数选择技术的杂波环境认知方法 |
| 3.1 引言 |
| 3.2 检测环境模型识别思路 |
| 3.3 问题建模 |
| 3.4 模型阶数选择技术 |
| 3.5 MOS准则的计算 |
| 3.5.1 参数估计 |
| 3.5.2 损失函数计算 |
| 3.6 数值实验和分析 |
| 3.6.1 仿真数据 |
| 3.6.2 实测数据 |
| 3.7 本章小结 |
| 第四章 基于几何度量的杂波协方差估计 |
| 4.1 引言 |
| 4.2 基于几何均值的色加载协方差估计量 |
| 4.2.1 问题建模 |
| 4.2.2 几何均值色加载协方差估计量 |
| 4.2.3 性能分析 |
| 4.3 结构化的欧几里得色加载协方差估计量 |
| 4.3.1 结构化协方差估计量 |
| 4.3.2 性能分析 |
| 4.3.3 本节小结 |
| 4.4 基于欧几里得色加载方差估计量的环境识别 |
| 4.4.1 问题模型及参数估计 |
| 4.4.2 实验分析 |
| 4.5 本章小结 |
| 第五章 复合高斯杂波下的色加载GLRT检测器 |
| 5.1 引言 |
| 5.2 信号模型与问题描述 |
| 5.3 色加载GLRT检测器设计 |
| 5.4 实验和性能分析 |
| 5.4.1 仿真数据 |
| 5.4.2 实测数据 |
| 5.5 本章小结 |
| 第六章 干扰环境下的子空间检测器 |
| 6.1 引言 |
| 6.2 问题模型 |
| 6.3 GER非均匀下的子空间信号检测器设计 |
| 6.3.1 GLRT检测器 |
| 6.3.2 Rao检测器 |
| 6.3.3 Wald检测器 |
| 6.3.4 性能分析 |
| 6.3.5 小结 |
| 6.4 GER非均匀下的反对称检测器 |
| 6.4.1 问题建模 |
| 6.4.2 检测器设计 |
| 6.4.3 反对称子空间Rao检测器设计 |
| 6.4.4 反对称子空间Wald检测器设计 |
| 6.4.5 性能分析 |
| 6.4.6 小结 |
| 6.5 本章小结 |
| 第七章 自适应检测在天基雷达中的应用 |
| 7.1 引言 |
| 7.2 杂波建模 |
| 7.3 距离模糊和杂波多普勒 |
| 7.3.1 距离模糊 |
| 7.3.2 杂波多普勒 |
| 7.4 杂波谱仿真 |
| 7.5 复合高斯杂波抑制和检测 |
| 7.6 干扰抑制性能 |
| 7.7 本章小结 |
| 第八章 总结展望 |
| 8.1 研究工作总结 |
| 8.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A |
| A.1 通过求导方法得到相应的几何均值 |
| A.2 知识辅助的几何均值协方差估计得近似 |
| A.2.1 式(4.19)求解 |
| A.2.2 式(4.25)求解 |
| A.2.3 式(4.30)求解 |
| 附录 B |
| B.1式(6.7)GLRT检测器的推导 |
（5）肺癌呼出气体标志物确定及电子鼻临床诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 呼出气体VOCs |
| 1.2 呼出气体冷凝物(EBC) |
| 1.3 电子鼻肺癌呼吸检测方法 |
| 1.4 本文的主要研究内容 |
| 第二章 肺癌VOCs标志物确定及诊断模型建立 |
| 2.1 肺癌VOCs标志物 |
| 2.1.1 ROC曲线 |
| 2.1.2 绘制内源性VOCs的ROC曲线 |
| 2.1.3 肺癌VOCs标志物 |
| 2.1.4 不同肺癌类型VOCs标志物筛选 |
| 2.2 肺部良性疾病VOCs标志物 |
| 2.2.1 绘制ROC曲线 |
| 2.2.2 肺部良性疾病特征性VOCs标志物筛选 |
| 2.3 肺癌诊断模型 |
| 2.3.1 线性判别式分析 |
| 2.3.2 交叉检验方法 |
| 2.3.3 模型变量分析 |
| 2.3.4 三个诊断模型的建立 |
| 第三章 呼吸检测电子鼻分析检测软件 |
| 3.1 CN e-Nose Ⅱ呼吸检测电子鼻 |
| 3.2 CN e-Nose Ⅱ呼吸检测电子鼻分析检测软件 |
| 3.2.1 系统控制 |
| 3.2.2 数据采集 |
| 3.2.3 数据处理 |
| 3.2.4 物联网平台 |
| 第四章 复合传感器电子鼻肺癌诊断软件 |
| 4.1 MOS-SAW复合传感器电子鼻系统及肺癌诊断软件 |
| 4.2 MOS数据和SAW数据融合 |
| 4.3 肺癌诊断系统 |
| 4.3.1 PCA分析 |
| 4.3.2 LDA分析 |
| 4.3.3 ANN分析 |
| 4.3.4 PLS分析 |
| 4.4 肺癌诊断测试 |
| 4.4.1 LDA方法测试 |
| 4.4.2 ANN方法测试 |
| 4.4.3 PLS方法测试 |
| 第五章 MOS-SAW复合传感器电子鼻系统临床实验及肺癌诊断模型建立 |
| 5.1 临床实验材料及对象 |
| 5.1.1 材料 |
| 5.1.2 研究对象 |
| 5.2 临床试验方法 |
| 5.2.1 采气过程 |
| 5.2.2 检测分析方法 |
| 5.3 MOS-SAW复合传感器肺癌诊断模型 |
| 5.3.1 MOS-SAW特征值的ROC曲线分析 |
| 5.3.2 6种肺癌诊断模型比较 |
| 5.3.3 PCA-ANN模型最佳自变量个数分析 |
| 5.3.4 MOS特征值和SAW特征值各自对模型的贡献率 |
| 第六章 呼出气体冷凝物中肺癌标志物研究 |
| 6.1 血液中常见肺癌标志物 |
| 6.1.1 癌胚抗原(CEA) |
| 6.1.2 血清神经元特异性烯醇化酶(NSE) |
| 6.1.3 鳞状细胞癌抗原(SCC) |
| 6.2 EBC中肺癌标志物检测方法 |
| 6.3 呼出气体冷凝物(EBC)采集 |
| 6.3.1 EBC采集对象 |
| 6.3.2 EBC采集方法 |
| 6.4 EBC中CEA、NSE和SCC检测结果及分析 |
| 6.4.1 EBC中CEA检测结果 |
| 6.4.2 EBC中NSE和SCC检测结果 |
| 6.4.3 结果分析 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及在硕士研究生期间的科研成果 |
（6）基于ROC曲线的两类分类问题性能评估方法（论文提纲范文）
| 0 引 言 |
| 1 问题定义 |
| 2 ROC曲线的建立 |
| 2.1 参数法 |
| 2.2 非参数法 |
| 3 ROC曲线的评估指标 |
| 3.1 几率点欧氏距离 |
| 3.2 曲线下面积 |
| 3.3 最佳阈值点 |
| 4 模拟实验 |
| 5 结束语 |
（7）MCV、MCH在妊娠周期中的变化及其对地贫筛查的价值（论文提纲范文）
| 1 对象与方法 |
| 1.1 对象及分组 |
| 1.1.1 MCV、MCH在妊娠周期中的变化 |
| 1.1.2 MCV、MCH对地贫筛查的价值 |
| 1.2 方法 |
| 1.2.1 血细胞分析 |
| 1.2.2 地贫基因型分析 |
| 1.3 统计学方法 |
| 1.3.1 MCV、MCH在妊娠周期中的变化 |
| 1.3.2 MCV、MCH对地贫筛查的价值 |
| 2 结果 |
| 2.1 MCV、MCH均值 |
| 2.2 血红蛋白值的变化 |
| 2.3 MCV、MCH在妊娠周期中的变化规律 |
| 2.4 MCV、MCH对地贫筛查的价值 |
| 3 讨论 |
（8）自动目标识别性能评估指标简述（论文提纲范文）
| 1 引 言 |
| 2 若干基本概念 |
| 2.1 待识别对象的层次 |
| 2.2 目标类、目标和非目标的概念 [10] |
| 2.3 目标识别的决策层次 |
| 3 常用性能指标 |
| 3.1 混淆矩阵 |
| 3.1.1 检测混淆矩阵 |
| 3.1.2 分类混淆矩阵 |
| 3.2 概率型性能指标 |
| 3.2.1 检测概率和虚警概率 |
| 3.2.2 正确分类概率 |
| 3.3 数率型性能指标 |
| 3.4 基于ROC曲线的性能指标 |
| 3.4.1 曲线下面积 |
| 3.4.2 平均度量距离 |
| 4 评估指标选取原则 |
| 5 各类指标的分析对比 |
| 6 结束语 |
（9）非参数法与参数法估计ROC曲线下面积的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 研究背景 |
| 2 ROC曲线分析方法简介 |
| 2.1 ROC曲线的构建和意义 |
| 2.2 ROC 曲线下面积及其标准误的计算 |
| 2.3 ROC 曲线下面积的假设检验 |
| 3 实例应用 |
| 3.1 ROC曲线在喉癌诊断中的应用 |
| 3.1.1 资料与方法 |
| 3.1.2 资料的整理分析 |
| 3.1.3 结果 |
| 3.1.4 讨论 |
| 3.2 ROC曲线在卵巢癌诊断中的应用 |
| 3.2.1 研究对象 |
| 3.2.2 研究指标 |
| 3.2.3 资料的整理分析 |
| 3.2.4 结果 |
| 3.2.5 讨论 |
| 4 总结 |
| 4.1 主要研究结论 |
| 4.2 主要研究特色 |
| 4.3 尚需进一步解决的问题 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 致谢 |
（10）50岁及以上妇女骨质疏松筛检工具的评价及建立（论文提纲范文）
| 摘要 |
| Abstract |
| 1 前言 |
| 1.1 研究背景 |
| 1.2 立题依据 |
| 1.3 建立筛检工具的相关理论 |
| 1.3.1 骨质疏松的诊断标准 |
| 1.3.2 建立危险因素方程 |
| 1.4 研究目的 |
| 2 资料来源、特点及研究思路 |
| 2.1 资料来源 |
| 2.1.1 第一部分资料 |
| 2.1.2 第二部分资料 |
| 2.2 数据整理 |
| 2.2.1 第一部分数据的整理 |
| 2.2.2 第二部分数据的整理 |
| 2.3 研究思路 |
| 3 OSTA应用评价 |
| 3.1 OSTA简介 |
| 3.2 资料描述 |
| 3.3 评价结果 |
| 3.3.1 按照原临界值进行评价 |
| 3.3.2 按两类判定进行评价 |
| 3.3.3 调整临界值 |
| 3.4 小结 |
| 4 BMC的影响因素分析 |
| 4.1 变量的描述及设置 |
| 4.1.1 骨矿含量(BMC) |
| 4.1.2 BMC、BMD与体重的关系 |
| 4.1.3 自变量的设置 |
| 4.2 BMC影响因素的回归模型 |
| 4.3 小结 |
| 5 建立筛检工具 |
| 5.1 判别分析简介 |
| 5.1.1 Fisher判别分析 |
| 5.1.2 Bayes判别分析 |
| 5.2 判别分析过程及结果 |
| 5.2.1 检查适用条件 |
| 5.2.2 判别方法的选择 |
| 5.2.3 判别分析结果 |
| 6 筛检工具的评价 |
| 6.1 ROC分析方法的原理 |
| 6.1.1 ROC分析方法的选择 |
| 6.1.2 Hanley和 McNeil非参数法原理 |
| 6.2 评价结果 |
| 6.2.1 ROC曲线下面积及标准误的估计 |
| 6.2.2 曲线下面积的比较 |
| 6.2.3 建立判别式的判定准则 |
| 6.3 小结 |
| 7 讨论与总结 |
| 7.1 研究结果 |
| 7.2 分析方法 |
| 7.3 尚待解决的问题 |
| 参考文献 |
| 综述 |
| 综述参考文献 |
| 致谢 |
四、ROC曲线下面积的ML估计与假设检验（论文参考文献）
- [1]听觉稳态响应的溯源、检测及其在昏迷预后中的研究[D]. 陈婷婷. 苏州大学, 2020(02)
- [2]基于Logistic和Cox模型的违约概率模型研究[D]. 宋双宏. 山东大学, 2020(12)
- [3]运动小平台主动声呐目标回波信号检测技术研究[D]. 贺玉梁. 哈尔滨工程大学, 2020(04)
- [4]多通道雷达认知自适应检测技术研究[D]. 商哲然. 国防科技大学, 2019(01)
- [5]肺癌呼出气体标志物确定及电子鼻临床诊断方法研究[D]. 王怡珊. 浙江大学, 2012(07)
- [6]基于ROC曲线的两类分类问题性能评估方法[J]. 韦修喜,周永权. 计算机技术与发展, 2010(11)
- [7]MCV、MCH在妊娠周期中的变化及其对地贫筛查的价值[J]. 汪国庆,周玉球,陈望. 中国妇幼保健, 2010(23)
- [8]自动目标识别性能评估指标简述[J]. 何峻,赵宏钟,付强. 电讯技术, 2007(05)
- [9]非参数法与参数法估计ROC曲线下面积的应用研究[D]. 李悦. 广西医科大学, 2007(09)
- [10]50岁及以上妇女骨质疏松筛检工具的评价及建立[D]. 程枫. 四川大学, 2007(05)