可減輕腰椎間盤樣本集類重疊的采樣算法
摘 要:醫(yī)學數(shù)據(jù)的類重疊問題會嚴重影響疾病的智能診斷效果。為了減輕腰椎間盤樣本的類重疊對分類器產(chǎn)生的不良影響,提出了一種可減輕類重疊的混合采樣算法———CO_HS算法。該算法將訓練樣本劃分為核心樣本、邊界樣本和噪聲樣本,對重疊區(qū)域的樣本進行采樣,以減輕樣本集的類重疊程度。采用CO_HS算法產(chǎn)生的新訓練樣本集訓練RF等分類模型,并建立了6種新的腰椎間盤退變分類器。(剩余756字)
試讀結(jié)束
目錄
- 基于圖神經(jīng)網(wǎng)絡(luò)的異源圖像配準方...
- 基于多目標平衡優(yōu)化器的共享儲能...
- 基于CEEMDAN 與自相關(guān)函...
- 基于特征融合的局部表征學習的遮...
- 基于改進鯨魚算法的工業(yè)操作系統(tǒng)...
- 基于改進的DISK 算法的農(nóng)林...
- 基于深度學習與DTW 融合的軌...
- 可減輕腰椎間盤樣本集類重疊的采...
- 基于YOLOv7-tiny的輕...
- 基于數(shù)據(jù)流圖和混合網(wǎng)絡(luò)模型的智...
- 基于結(jié)構(gòu)保持的匿名人臉合成方法...
- 基于門控循環(huán)單元的日志異常檢測...
- 基于時頻特征融合和關(guān)系網(wǎng)絡(luò)的少...
- 求解單層織物熱濕耦合模型正反問...