排序方式: 共有83条查询结果,搜索用时 712 毫秒
51.
高维数据中存在着大量的冗余和不相关特征,严重影响了数据挖掘的效率、质量以及机器学习算法的泛化性能,因此特征选择成为计算机科学与技术领域的重要研究方向.文中利用自编码器的非线性学习能力提出了一种无监督特征选择算法.首先,基于自编码器的重建误差选择出单个特征对数据重建贡献大的特征子集.其次,利用单层自编码器的特征权重最终选择出对其他特征重建贡献大的特征子集,通过流形正则保持原始数据空间的局部与非局部结构,并且对特征权重增加L2/1稀疏正则来提高特征权重的稀疏性,使之选择出更具区别性的特征.最后,构造一个新的目标函数,并利用梯度下降算法对所提目标函数进行优化.在6个不同类型的典型数据集上进行实验,并将所提算法与5个常用的无监督特征选择算法进行对比.实验结果验证了所提算法能够有效地选择出重要特征,显著提高了分类准确率和聚类准确率. 相似文献
52.
53.
针对CT图像肺结节分类任务中分类精度低,假阳性高的问题,提出了一种加权融合多维度卷积神经网络的肺结节分类模型,该模型包含两个子模型:基于二维图像的多尺度密集卷积网络模型,以捕获更宽泛的结节变化特征并促进特征重用;基于三维图像的三维卷积神经网络模型,以充分利用结节空间上下文信息。使用二维和三维CT图像训练子模型,根据子模型分类误差计算其权重,对子模型分类结果进行加权融合,得到最终分类结果。该模型在公共数据集LIDC-IDRI上分类准确率达到94.25%,AUC值达到98%。实验结果表明,加权融合多维度模型可以有效地提升肺结节分类性能。 相似文献
54.
55.
56.
针对传统分类方法分割精度低、特征提取耗时等问题,构建一个适用于CT肺结节良恶性分类的卷积神经网络模型.首先确定网络深度、卷积核数目和卷积核大小等参数,构建卷积神经网络初始模型;然后选择激活函数类型、学习率和学习率衰减策略等训练参数;最后提出对感兴趣区域划分局部子区域的方式增强样本进行训练.在LIDC-IDRI数据集上进行实验的结果表明,准确率、特异性、敏感性及AUC值分别达到92.50%,0.91,0.94和0.93;对恶性结节的识别能力明显优于其他网络模型. 相似文献
57.
大型关系数据库Oracle教学模式的改进 总被引:1,自引:0,他引:1
本文就大型关系数据库Oracle的教学,结合实践提出了精选内容、强化实验和依托工程实践开展教学的思路,并就具体的实现方法进行了探讨,以期为课程教学提供一个值得借鉴的教学模式。 相似文献
58.
为辅助医生诊断孤立性肺结节的良恶性,提出一种针对肺结节的PET/CT影像特征的PSO-SVM分类方法。该方法利用粒子群算法(PSO)对支持向量机(SVM)进行参数搜索,进而选择最合适的参数,得到合适的SVM分类模型。实验表明,利用粒子群优化算法对支持向量机模型中的参数进行优化,可以避免人为选择的随机性,在解决分类问题中有良好的表现。使用此方法得到的分类模型对良恶性肺结节进行分类,平均正确率可达到90%以上,且为医生诊断肺结节时选取的主要特征提供了理论依据。 相似文献
59.
60.
针对在肺结节计算机辅助检测中存在误诊率、假阳性率较高,检测准确率较低等问题,提出一种基于三维形状指数和Hessian矩阵特征值构建类球形滤波器的结节检测方法。首先,提取肺实质区域,并计算各体素点Hessian矩阵的特征值和特征向量;其次,通过二维形状指数推导出三维形状指数公式,构建改进的三维类球形滤波器;最后,在三维肺实质区域内检测疑似结节区域,去除较多的假阳性区域,针对三维体数据上检测出结节所在位置,将检测到的坐标作为置信连接的多种子点输入,进行三维体数据分割,最终分割出三维结节。实验结果表明,所提算法能够有效地检测出不同类型的肺结节,对较难检测的磨玻璃结节也有较好的检测效果,结节检测的假阳性低,最终能达到92.36%的准确率和96.52%的敏感度。 相似文献