《表1 常用于颈动脉斑块分类的传统机器学习算法比较》

  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

《机器学习算法在颈动脉斑块影像学分类中的研究进展》

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

目前，用于颈动脉斑块分类的机器学习算法见图1。用到的传统机器学习算法主要有:K均值聚类算法（K-means clustering，K-means），K最邻近分类（K-nearest neighbor，K-NN）、Adaboost算法、支撑向量机（Support Vector Machine，SVM）、自组织映射网络（Self Organizing Map，SOM）、Bayes分类器等。以输入输出方式区分，这些算法可以分为有监督学习算法和无监督学习算法。有监督学习中，输入的数据对象会有预先分配好的标签（如有病灶、无病灶），通过这些数据训练模型，再利用模型进行预测。当输出变量连续时，称为回归问题；输出变量离散时，称为分类问题[6]。无监督学习中，输入的数据对象不分配标签，直接进行分析和训练，分析是否存在可以区分的组别。颈动脉斑块分类的各种传统机器学习算法的优缺点见表1所示。