Login
- Originaltitel:
- Algorithms for Large-scale Learning from Heterogeneous Survival Data
- Übersetzter Titel:
- Methoden des maschinellen Lernens zur Analyse von Überlebenszeiten basierend auf heterogenen Daten
- Autor:
- Pölsterl, Sebastian Walter
- Jahr:
- 2016
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- Fakultät für Informatik
- Betreuer:
- Navab, Nassir (Prof. Dr.)
- Gutachter:
- Navab, Nassir (Prof. Dr.); Hothorn, Torsten (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik; MED Medizin
- Stichworte:
- survival analysis, machine learning, support vector machine, convex optimization, dimensionality reduction
- Übersetzte Stichworte:
- Maschinelles Lernen, Analyse von Überlebenszeiten, Support Vector Machine, Convexe Optimierung, Dimensionsreduktion
- TU-Systematik:
- MED 230d; DAT 760d
- Kurzfassung:
- This thesis develops machine learning methods for predicting the time to an adverse event based on heterogeneous and high-dimensional health records. I introduce a training algorithm for the survival support vector machine that avoids the high time and space complexity of previous algorithms. Second, a comparative analysis of 19 dimensionality reduction methods for survival analysis is presented. Finally, I describe heterogeneous ensembles in the context of the Prostate Cancer DREAM challenge.
- Übersetzte Kurzfassung:
- In dieser Arbeit werden Methoden des maschinellen Lernens zur Analyse von Überlebenszeiten vorgestellt. Ich beschreibe einen verbesserten Algorithmus zum Trainieren einer Survival Support Vector Machine. Zweitens wird ein Vergleich von 19 Methoden zur Dimensionsreduktion und der Analyse von Überlebenszeiten durchgeführt. Schließlich beschreibe ich Heterogeneous Ensembles in meinem Beitrag zur Prostate Cancer DREAM Challenge.
- WWW:
- https://mediatum.ub.tum.de/?id=1289752
- Eingereicht am:
- 19.01.2016
- Mündliche Prüfung:
- 24.05.2016
- Dateigröße:
- 4422516 bytes
- Seiten:
- 251
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20160524-1289752-1-0
- Letzte Änderung:
- 01.06.2017
BibTeX
Vorkommen:
- mediaTUM GesamtbestandEinrichtungenSchools TUM School of Computation, Information and TechnologyPrüfungsarbeitenDissertationen
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and Technology