原文服务方: 计算机应用研究       
摘要:
支持向量机(SVM)是一种准确度高的分类器,具有很好的容错和归纳能力;粗糙集理论方法在处理大数据量、消除冗余信息等方面具有优势.将两者相结合提出一种改进的SVM分类算法ISVM,并将其应用于乳腺X光图像分类.实验结果表明,ISVM的分类精确度可达到96.56%,比SVM的分类精确度(92.94%)要高3.42%,同时错误分辨率也平均接近100%.
推荐文章
基于SVM的图像分类
支持向量机
分类器
底层特征
高层语义
基于K-means与SVM结合的遥感图像全自动分类方法
K-means
支持向量机
遥感图像分类
基于改进SVM算法的植物叶片分类研究
植物叶片分类
布谷鸟搜索算法
支持向量机
基于SVM的一种新的分类器设计方法
小样本数据
SVM分类器
分类准确率
半监督学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进的SVM分类器的医学图像分类新方法
来源期刊 计算机应用研究 学科
关键词 改进的支持向量机方法 粗糙集 乳腺X光图像
年,卷(期) 2008,(1) 所属期刊栏目 算法研究探讨
研究方向 页码范围 53-55
页数 3页 分类号 TP31
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2008.01.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李战怀 西北工业大学计算机学院 254 2139 21.0 35.0
2 蒋芸 西北师范大学数学与信息学院 38 377 11.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (25)
同被引文献  (28)
二级引证文献  (61)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(4)
  • 引证文献(4)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(6)
  • 引证文献(5)
  • 二级引证文献(1)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(10)
  • 引证文献(3)
  • 二级引证文献(7)
2014(10)
  • 引证文献(0)
  • 二级引证文献(10)
2015(6)
  • 引证文献(0)
  • 二级引证文献(6)
2016(10)
  • 引证文献(3)
  • 二级引证文献(7)
2017(11)
  • 引证文献(2)
  • 二级引证文献(9)
2018(12)
  • 引证文献(3)
  • 二级引证文献(9)
2019(9)
  • 引证文献(0)
  • 二级引证文献(9)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
改进的支持向量机方法
粗糙集
乳腺X光图像
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
甘肃省自然科学基金
英文译名:Natural Science Foundation of Gansu Province
官方网址:http://www.nwnu.edu.cn/kjc/glbf/gsshzrkxjjzxglbf.htm
项目类型:
学科类型:
论文1v1指导