《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．