{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,6,11]]，“日期时间”：“2024-06-11T06:00:12Z”，“时间戳”：1718085612676}，“发布者位置”：“新加坡”，“引用计数”：24，“发布商”：“Springer Singapore”，“isbn-type”：[{“值”：“9789811563522”，“类型”：”print“}，{“值”：“9789811563539”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2020,11,10]]，“date-time”：“2020-11-10T00:00:00Z”，“timestamp”：1604966400000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http:\\/www.springer.com\/tdm”}，{“start”：{“date-ports”：[2020,11,10]，“日期-时间”：“2020 0-10T00:00”0:00Z“，”timestamp“：1604966400000}，”content-version“：”vor“，”delay-in-days“用法：0，“URL”：“http://www.springer.com//tdm”}]，“内容域”：{“域”：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2021]]}，”DOI“：”10.1007\/978-981-5-6353-9_31“，”type“：”book-capter“，”created“：{”date-part“：[[2020,11,9]]，“日期时间”：“2020-11-09T12:06:39Z”，“时间戳”：1604923599000}，“page”：“342-352”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：1，“title”：[“使用规则挖掘技术提取乳腺癌数据中属性和类之间的关系”]，“prefix”：“10.1007”，“author”：[{“given”：：“first”，“affiliation”：[]}，{“given”：“Priyanka C.”，“family”：“Nair”，“sequence”：“additional”，“abfiliation“：[]{”given“：”Deepa“，”family“：”Gupta“，“session”：“additional”、“affidiation”：[]}、{“给定”：“Ravi C.”、“families”：“Nayar”、“sequencence”：”additional“，“affaliation”:[]{“Givent”：“Amritanshu”，“家人”：“拉姆”“，”sequence“：”additional“，”affiliation“：[]}]，”member“：“297”，“published-online”：{“date-parts”：[[2020,11,10]]}，“reference”：[{“key”：“31_CR1”，“unstructured”：“Gupta，D.，Khare，S.Aggarwal，A.：使用机器学习技术预测慢性病诊断代码的方法。In:2016国际计算、通信和自动化会议（ICCCA）。IEEE，2016”}，{“key”：”31_CR2“，“unstructured”：“世界卫生组织报告（上次访问时间为2019年9月11日）https:\/\/www.who.int\/cancer\/provention\/diagnosis-screening\/breast-cancer\/en\/#”}，{“key”：“31_CR3”，“unsructured“：“Zorman，M.等人：用决策树和关联规则挖掘糖尿病数据库。摘自：第15届IEEE基于计算机的医疗系统研讨会论文集（CBMS 2002）。IEEE，2002”}，{“key”：“31_CR4”，“unstructured”：“Shastri，S.S.，Nair，P.C.，Gupta，D.，Nayar，R.C.，Rao，R.，Ram，A.：使用机器学习技术进行乳腺癌诊断和预后。摘自：智能系统技术与应用国际研讨会，第327\u2013344页。Springer，Cham，2017年“}，{“key”：“31_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Asri，H.等：使用机器学习算法进行乳腺癌风险预测和诊断。Procedia Compute.Sci.83（2016）：1064\u20131069”，“doi”：“10.1016\/j.procs.2016.04.224”}，}“key:”31_CR6“非结构化”：“Amrane，M.，Oukid，S.，Gagaoua，I.，Ensar\u0130，T.：使用机器学习进行乳腺癌分类。收录于：2018年电子电气、计算机科学、生物医学工程2019年会议（EBBT），第1\u20134页。IEEE，2018年“}，{“key”：“31_CR7”，“unstructured”：“Bharati，S.，Rahman，M.A.，Podder，P.：应用不同分类算法进行乳腺癌预测，并使用WEKA进行比较分析。In:2018年第四届电气工程与信息通信技术国际会议（iCEEiCT）。IEEE，2018”doi-asserted-by“：”crossref“，”unstructured“：”Agrawal，U.，Soria，D.，Wagner，C.，Garibaldi，J.，Ellis，I.O.，Bartlett，J.M.S.，Cameron，D.，Rakha，E.A.，Green，A.R.：结合聚类和分类集合：识别乳腺癌特征的新途径。Artif公司。Int.Med.97（2019）：27\u201337“，”DOI“：”10.1016\/j.artmed.2019.05.002“｝，｛”key“：”31_CR9“，”非结构化“：”Khuriwal，N.，Mishra，N.：使用自适应投票集成机器学习算法的乳腺癌诊断。In：2018 IEEMA工程师无限会议（eTechNxT）。IEEE，2018“｝，｛”key“：”31_CR10“，”非结构化“：”Ting，F.F.，Sim，K.S.：乳腺癌分类的自我调节多层感知器神经网络。2017年机器人、自动化和科学国际会议（ICORAS）。IEEE，2017年“}，{“key”：“31_CR11”，“unstructured”：“Nurmaini，S.，et al.：使用深度学习对乳腺癌进行分类。收录：2018年电气工程与计算机科学国际会议（ICECOS）。IEEE，2018年”}，}Rajaguru，H.，Prabhakar，S.K.：乳腺癌分类的贝叶斯线性判别分析。2017年第二届通信与电子系统国际会议（ICCES）。IEEE，2017年“}，{“key”：“31_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Douangnoulack，P.，Boonjing，V.：构建乳腺癌诊断的最小分类规则。2018年第十届国际知识与智能技术会议（KST）。IEEE，2018年”，“doi”：“10.1109\/KST.2018.8426198”}Umesh，D.R.，Ramachandra，B.：基于SEER乳腺癌数据的关联规则挖掘预测乳腺癌复发。In：电子、计算机科学与技术新兴研究（ICERECT），2015年IEEE国际会议，2015年“}，{“key”：“31_CR15”，“unstructured”：“Khare，S.，Gupta，D.：心血管疾病中的关联规则分析。In：2016年第二届认知计算与信息处理国际会议（CCIP）。IEEE，2016年”}，“key“：”31_CR16“，”unstructured“：”Song，K.，Lee，K.：基于可预测性的集合类关联规则挖掘。专家系统。申请。79，1\u20137（2017）“}，{“key”：“31_CR17”，“unstructured”：“Sonet，K.M.M.H.等人：使用关联规则挖掘分析大量心脏病发生的模式。收录于：2017年第十二届国际数字信息管理会议（ICDIM）。IEEE，2017年”}，}Rachmani，E.等人：挖掘印尼完成麻风多药治疗的用药行为。参加：2018年信息与通信技术应用国际研讨会。IEEE，2018年“}，{“key”：“31_CR19”，“unstructured”：“Tuba，P.A.L.A.，Y\u00dcCEDA\u011e，\u0130.，Bibero\u011flu，H.：乳腺癌患者分类的关联规则。Sigma 8.2，155\u2013160（2017）”}，}Kabir，Md F.，Ludwig，S.A.，Abdullah，A.S.：使用关联规则挖掘从乳腺癌风险因素中发现规则。在：2018年IEEE国际大数据会议（大数据）。IEEE，2018年“}，{“key”：“31_CR21”，“unstructured”：“Shyu，R.，Haithcoat，T，Becevic，M.：黑色素瘤患病率、风险因素和医疗差距之间的空间关联挖掘。摘自：2017年IEEE生物信息学和生物医学国际会议（BIBM）。IEEE，2017年”}Agrawal，R.，Srikant，R.：挖掘关联规则的快速算法。第20届国际会议论文集超大数据库。第1215卷。1994”｝，｛“key”：“31_CR23”，“非结构化”：“美国癌症协会。https:\/\/wwww.Cancer.org/Cancer\/乳腺癌\/治疗\/乳腺癌分期治疗-i-ii.html”｝，｛“key”：“31_CR24”，“非结构化”：“乳腺癌组织报告https:\/\/www.breastcancer.org\/syments\/types\/recurl_metast\/treat_metast\/options\/surgery“}]，“container-title”：[“智能系统和计算的进展”，“高级计算和智能工程的进展”]，“original-title“：[]，”链接“：[{“URL”：“http:\/\/link.springer.com/content\/pdf\/10.1007\/978-981-15-6353-9_31“，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2020,11,9]]，“date-time”：”2020-11-09T12:24:48Z“，“timestamp”：1604924688000}，“score”：1，“resource”:{“primary”：{“URL”：“http://\/link.springer.com/10.1007\/978-981-5-6353-9_31“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2020,11,10]]}，“ISBN”：[“9789811563522”，”978981563539“]，”引用计数“：24，”URL“http://\/dx.doi.org\/10.1007\/978-881-5-653-9_31”，”关系“：{}，“ISSN”：[“2194-5357”，“21945-365”]，“ISSN-type”：[{“value”：“2194-4357”、“type”:“print”}，{“值”：“2194-5365”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2020,11,10]]}，“断言”：[{“数值”：“2020年11月10日”，“订单”：1，“名称”：“first_online”，“标签”：“首次联机”，“组”：{“名称”:“章节历史”，“标记”：“章节历史记录”}}]}