《表2 SFFS-SVM特征选择算法步骤》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于~(18)F-FDG PET/CT多模纹理特征的自身免疫性胰腺炎与胰腺导管腺癌鉴别方法》
注:评价函数J为特征子集在SVM分类器上进行10次10折交叉验证得到的F1值的平均值
本文中,我们采用在小样本上具有稳定表现的SVM分类器对AIP和PDA进行鉴别。SVM分类器根据结构风险最小化准则,以最大化分类间隔构造最优分类超平面来提高分类器的泛化能力,它能较好地解决非线性、高维数和局部极小点等问题。为提高SVM分类器的鉴别能力,本文把在SVM分类器上的表现作为SFFS算法的评价准则,构建SFFS-SVM特征选择算法,为SVM分类器选择最有利于其鉴别性能的特征子集,该算法的特征子集搜索过程如表2所述。
图表编号 | XD00106170800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 张玉全、程超、刘兆邦、潘桂霞、孙高峰、杨晓冬、左长京 |
绘制单位 | 中国科学技术大学、中国科学院苏州生物医学工程技术研究所、第二军医大学附属长海医院、中国科学院苏州生物医学工程技术研究所、第二军医大学附属长海医院、第二军医大学附属长海医院、中国科学院苏州生物医学工程技术研究所、第二军医大学附属长海医院 |
更多格式 | 高清、无水印(增值服务) |