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

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.