《表4 肺结节分类准确率:基于改进ReliefF与k-means算法的良恶性肺结节分类模型》
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
《基于改进ReliefF与k-means算法的良恶性肺结节分类模型》
从表3的实验结果可以看出,选择特征权重最大的8个属性(灰度差、梯度差、能量、小梯度优势、相关性、灰度熵、混合熵、逆差矩)用于结节分类,分类的正确率是最高的,同时实验结果表明特征权重小的属性会增加特征空间的维度,影响分类的精度.因此利用灰度-梯度共生矩阵提取出的纹理特征可作为良恶性结节分类的选择特征.在此基础上,本文将最大的8个纹理特征权重加入到改进的k-means算法中去,构建一个结合了改进Relief F以及改进的k-means算法的良恶性结节分类器.本文提出的良恶性结节分类器是基于纹理特征进行识别的,实验结果如表4所示.
图表编号 | XD00213657400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 朱英亮、仇旭阳、徐磊 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |