《表1 实验结果:一种基于张量分解的医学数据缺失模态的补全算法》
首先使用数据补全算法将不完整的特征数据补全,之后使用线性核的支持向量机进行高级别胶质瘤和低级别胶质瘤的二分类任务,最后使用平均分类准确率评估各算法性能,实验流程如图4所示。基准方法包括:补零法、邻近算法、奇异值分解算法[18]、期望最大化算法、低秩矩阵补全[19]、低秩张量补全[20]和基于多向延迟嵌入的Tucker分解算法。实验采取留出法,每次都按照4∶1随机选取训练集和测试集的病人,重复进行高级别胶质瘤和低级别胶质瘤的分类实验,共重复1 000次,计算平均分类准确率,结果如表1所示。
图表编号 | XD00208472800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 刘琚、杜若画、吴强、何泽鲲、于璐跃 |
绘制单位 | 山东大学信息科学与工程学院、山东大学信息科学与工程学院、山东大学信息科学与工程学院、山东大学信息科学与工程学院、山东大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |