基于分布先验的半监督FCM的肺结节分类

• 作者: 姜婷 岳厚光 袭肖明
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 肺结节分类 半监督FCM 先验分布信息 图像处理 LIDC数据库
• 年，卷（期）: 2017,（5）
• 页码范围: 729-734
• 页数: 6页
• 分类号: TP399
• 字数: 4092字
• 语种: 中文
• DOI: 10.11992/tis.201706018

摘要

肺结节的良恶性分类对于肺癌的早期发现及诊断具有重要意义.然而实际应用中,标记的图像数量较少,且获取标记将耗费大量的人力,在这种情况下,使用半监督学习算法是有效提高分类性能的一个思路.作为一种经典的半监督学习算法,传统的半监督FCM在未标记样本与标记样本分布不平衡情况下不能充分利用标记信息.针对此问题,本文提出了一种基于分布先验的半监督FCM算法.首先计算样本的先验分布概率,基于获得的先验概率,给样本赋予权重,并将其融入到半监督FCM聚类中,从而强化少量的标记样本在聚类过程中的指导作用.文中在LIDC数据库上进行了相应的实验,实验结果证明,相比较传统的半监督FCM算法,提出的算法能够取得更好的肺结节分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳厚光	山东财经大学计算机科学与技术学院	5	9	2.0	2.0
2	袭肖明	山东财经大学计算机科学与技术学院	3	20	3.0	3.0
3	姜婷	山东财经大学计算机科学与技术学院	1	5	1.0	1.0