期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于QSOFM的胃粘膜肿瘤细胞图像识别 被引量:1
1
作者 甘岚 黄伟强 《计算机应用研究》 CSCD 北大核心 2016年第6期1907-1912,共6页
针对胃粘膜肿瘤细胞图像的高维性、不规则性及复杂性的特点,常用的分类方法识别率不高。为了提高识别率,提出了一种基于量子自组织特征映射神经网络(quantum self-organization feature mapping neural networks,QSOFM)的胃粘膜肿瘤细... 针对胃粘膜肿瘤细胞图像的高维性、不规则性及复杂性的特点,常用的分类方法识别率不高。为了提高识别率,提出了一种基于量子自组织特征映射神经网络(quantum self-organization feature mapping neural networks,QSOFM)的胃粘膜肿瘤细胞图像识别方法。该方法将经过主成分分析(principal component analysis,PCA)降维后的图像样本输入到QSOFM中,对其进行无监督和有监督相结合的训练,使得每类胃粘膜肿瘤细胞图像对应精确和唯一的神经元,以此达到将胃粘膜肿瘤细胞图像分为癌、增生、正常三类细胞。实验结果表明,该识别方法在识别率和可靠性方面达到了良好的效果,相比于其他分类算法在识别率上有较大程度的提高,体现出QSOFM在图像识别领域的应用潜力。 展开更多
关键词 胃粘膜肿瘤细胞 识别率 量子自组织特征映射网络 主成分分析 无监督 有监督
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部