基于集成改进ELM的甲状腺疾病分类方法

• 作者: 张振宇 赵杰 门国尊
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 极端学习机 聚类分析 集成 甲状腺疾病
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 仿真智能化
• 页码范围: 392-396
• 页数: 5页
• 分类号: TN391
• 字数: 5045字
• 语种: 中文

摘要

研究针对B超图像的甲状腺疾病分类问题.甲状腺疾病的计算机分类是提高甲状腺疾病诊断效率的重要途径,包括特征提取和分类器实现,传统方法中特征提取不全面和使用单个分类器,使得诊断精度偏低且结果稳定性差.针对上述问题,提出一种基于集成改进极端学习机的甲状腺疾病分类方法.首先,分析甲状腺B超图像,对临床鉴别甲状腺结节良恶性的特征进行量化,提取了紧致度等9个特征作为数据集;而后,将聚类思想与极端学习机方法融合,结合k-means聚类算法,提出一种新的聚类标准,对数据集进行聚类;最后,对聚类后的子集进行分类训练,并采用多数投票的策略对子分类器进行集成.实验结果表明,改进方法在分类精度和稳定性上较传统算法均有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵杰	河北大学电子信息工程学院	42	183	7.0	10.0
2	门国尊	河北大学经济学院	10	24	3.0	4.0
3	张振宇	河北大学电子信息工程学院	2	6	2.0	2.0