正则化极限学习机的改进及其在肺结节良恶性分类中的应用

• 作者: 付迎迎 梁淑芬 秦传波 陈琛
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 肺癌 肺结节 良恶性 L1/L2-ELM 图像分类
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 智能制造
• 页码范围: 63-69
• 页数: 7页
• 分类号: TP391.41
• 字数: 3359字
• 语种: 中文

摘要

为了提高肺结节良恶性诊断中的分类准确度,提出了一种L1/L2范数约束的极限学习机(L1/L2-ELM)分类算法.将结节的方向梯度直方图(HOG)特征作为输入,通过调整后的结构自适应求解出最优权重参数,最后进行分类处理并得出分类结果.对456例肺部图像进行了实验,结果表明,其分类准确度达到94.12％,与其他分类算法相比,改进的ELM分类算法能得到更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦传波	五邑大学智能制造学部	16	25	3.0	4.0
2	梁淑芬	五邑大学智能制造学部	31	176	6.0	12.0
3	陈琛	五邑大学智能制造学部	2	0	0.0	0.0
4	付迎迎	五邑大学智能制造学部	4	0	0.0	0.0