基于多特征融合和ELM的肝病多分类识别

• 作者: 李海强 王国栋 赵希梅 魏宾
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 多特征融合 超限学习机 肝病多分类识别 计算机辅助诊断 识别率
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息工程
• 页码范围: 42-48
• 页数: 7页
• 分类号: TP391.9
• 字数: 5182字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2018.11.08

摘要

针对在肝病多分类识别中分类精度较低的问题,提出一种基于多特征融合和ELM的肝病多分类识别方法.从肝脏超声图像中选定感兴趣区域,分别对其提取LBP特征、GL-CM特征和Gabor特征,将得到的三种特征进行融合,得到鲁棒性更强的特征,通过超限学习机进行分类.实验结果表明,新提出的方法可以有效提高肝病多分类识别的识别率,并且时间效率较高,有助于肝病的临床诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王国栋	青岛大学计算机科学技术学院	37	170	7.0	11.0
2	李海强	青岛大学计算机科学技术学院	1	1	1.0	1.0
3	赵希梅	青岛大学计算机科学技术学院	13	34	4.0	5.0
7	魏宾		5	5	1.0	2.0