正则化极限学习机的改进及其在肺结节良恶性分类中的应用 |
| |
引用本文: | 梁淑芬,付迎迎,秦传波,陈琛.正则化极限学习机的改进及其在肺结节良恶性分类中的应用[J].五邑大学学报(自然科学版),2019(2). |
| |
作者姓名: | 梁淑芬 付迎迎 秦传波 陈琛 |
| |
作者单位: | 五邑大学智能制造学部 |
| |
摘 要: | 为了提高肺结节良恶性诊断中的分类准确度,提出了一种L1/L2范数约束的极限学习机(L1/L2-ELM)分类算法.将结节的方向梯度直方图(HOG)特征作为输入,通过调整后的结构自适应求解出最优权重参数,最后进行分类处理并得出分类结果.对456例肺部图像进行了实验,结果表明,其分类准确度达到94.12%,与其他分类算法相比,改进的ELM分类算法能得到更高的分类准确率.
|
本文献已被 CNKI 等数据库收录! |
|