Estimation of discrete multivariate densities for computer-aided differential diagnosis of disease
用于计算机辅助疾病鉴别诊断的离散多元密度估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究离散联合密度与医学诊断，二元变量本身不能作为离散选择模型的分类依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用于计算机辅助疾病鉴别诊断的离散多元密度估计
- 研究问题
- 在疾病鉴别诊断的离散多元数据中，如何估计联合密度，并在完全独立与直接使用单元频数两种估计之间折中？
- 方法与思路
- 作者设置接近指定密度或接近独立结构的贝叶斯先验，近似未知密度的后验及其众数，重点讨论近似独立的二元变量。
- 材料陈述的贡献
- 摘要称，所提估计可在单元频数估计与独立性估计之间插值，偏离独立性估计的程度随样本呈现的非独立性调整。
- 阅读关注点
- 应核对先验如何表达近似独立、后验及众数近似的误差，以及样本稀疏性和先验选择怎样影响联合密度估计。
- 阅读边界
- 所给为版本未注明的索引摘要，未报告疾病数据或诊断准确率；不能仅凭密度估计构造认定临床诊断效果得到改善。
原文摘要
A Bayesian approach is taken to the problem of estimating a multivariate discrete density. Prior distributions on the space of multivariate densities are formulated to reflect the idea that the density is near a particular one, or near one which has independent variates. Given a sample of multivariate observations, an approximation to the posterior distribution of the unknown density is developed, and simple formulae for a density which approximates the mode of this posterior distribution are given. The estimate is developed in particular when the variates are binary and the prior distribution reflects that the variates are nearly but not exactly independent. The degree of apparent lack of independence in the sample determines how far from the usual estimate assuming independence this estimate will be. The proposed estimate can be thought of as interpolating between the histogram or ‘cell frequency’ estimate and an estimate assuming independence.