多疾病诊断中候选集的概率评估与症状聚类
人工智能
2013-04-05 v1
摘要
本文推导了一个计算候选集条件概率的公式，其中候选集是解释给定阳性发现的一组疾病。这种候选集由一种称为症状聚类的多疾病诊断新方法产生。症状聚类将一组候选集紧凑地表示为鉴别诊断的笛卡尔积。通过评估候选集的概率，可以同时验证或剪枝大量候选集。然后将候选集的概率特化以获得单个候选的概率。与早期结果不同，这里推导的方程允许指定阳性、阴性和未知症状，并且不对候选集之外的疾病做假设。
引用
@article{arxiv.1304.1136,
title = {Probabilistic Evaluation of Candidates and Symptom Clustering for Multidisorder Diagnosis},
author = {Thomas D. Wu},
journal= {arXiv preprint arXiv:1304.1136},
year = {2013}
}
备注
Appears in Proceedings of the Sixth Conference on Uncertainty in Artificial Intelligence (UAI1990)