基于POS-ELM的孤立性肺结节诊断方法研究
在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题.为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法.首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别.实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具.
文件下载
评论信息
其他资源
- RicheerSPC软件破解版-2013
- 小波包信号能量特征提取
- java项目—银行管理系统
- Android加固demo
- 电力系统稳态分析第二版.pdf
- 图片视频转文本TXT字符图像(技术宅神器).rar
- SAP实施PM常见表关系图
- cass格式转换成苏交科（EICAD)格式自创源码.txt
- 刘金琨滑模变结构控制第三版上下部最新程序
- 6G研究白皮书.pdf
- 哈尔滨师范大学333教育综合历年真题(2010-2020).pdf
- 2020国际货币基金组织年报：前所未有之年-IMF.pdf
- 2020游戏研发力量调查（用户篇).pdf
- 储蓄前端-源码
- SystemVerilog中类的定义及实例.doc
- Ajax的语法浅析
- V7.62 ETest产品介绍.pptx
- nao机器人抓取程序
- QDLoader HS-USB Driver_64bit_Setup.zip
- JSp简易留言板
- swagger实现接口搜索功能
- Smali2Java1.0.0.558
- 微软雅黑精简版（加粗后位置无上下偏移）1.74M
- 一种新能源电动汽车的一键启动系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明