基于大數(shù)據(jù)深度學(xué)習(xí)的互聯(lián)網(wǎng)醫(yī)療數(shù)據(jù)分析

摘 要：基于大數(shù)據(jù)網(wǎng)絡(luò)技術(shù)的互聯(lián)網(wǎng)醫(yī)療數(shù)據(jù)建模的總體思路可以總結(jié)如下三個(gè)方面：1、時(shí)間依賴性與互聯(lián)網(wǎng)醫(yī)療數(shù)據(jù)的異常值檢測密切相關(guān)。2、提出用于互聯(lián)網(wǎng)醫(yī)療異常檢測的LSTM高斯貝葉斯方法。利用LSTM良好的預(yù)測性能優(yōu)勢，使用預(yù)測誤差建立高斯樸素貝葉斯模型，并融入貝葉斯模型優(yōu)秀的分類能力。3、為了學(xué)習(xí)和處理IIoT時(shí)間序列大量、高維、強(qiáng)冗余、低相關(guān)性的數(shù)據(jù)，設(shè)計(jì)結(jié)合特征選擇和深度學(xué)習(xí)技術(shù)的混合架構(gòu)異常檢測框架，在真實(shí)的互聯(lián)網(wǎng)醫(yī)療數(shù)據(jù)集上測試。（剩余1026字）