张伟
- 作品数:3 被引量:3H指数:1
- 供职机构:太原理工大学计算机科学与技术学院更多>>
- 发文基金:国家重点实验室开放基金国家自然科学基金山西省科技攻关计划项目更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于POS-ELM的孤立性肺结节诊断方法研究被引量:3
- 2016年
- 在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别。实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具。
- 葛磊强彦张伟
- 关键词:粒子群优化算法极限学习机孤立性肺结节计算机辅助诊断
- 一种改进的树突状细胞算法及其性能稳定性实验
- 2013年
- 针对原有树突状细胞算法DCA(Dendritic Cell Algorithm)在环境状态转变时存在误分类,且随着状态转变的次数越多错误率越高的问题,在原算法的基础上通过设置动态阈值,加入后续抗原对当前采样抗原的评价因子,以及具有放大其他信号功能的发炎信号等策略对其进行改进,将改进算法应用于标准数据集Breast Cancer。实验结果表明,与原DCA算法相比,该算法的稳定性和识别率都有一定改善。
- 张伟田玉玲
- 关键词:动态阈值稳定性
- 血管粘连型肺结节图像的序列分割方法
- 2018年
- 为解决以往分割算法对血管粘连型结节分割不准确以及分割效率较低等问题,提出基于超像素和稀疏子空间聚类的序列肺结节图像分割方法。对CT图像进行序列肺实质分割,提取感兴趣图像序列,采用改进的超像素序列分割方法对感兴趣图像序列进行过分割,对所有的超像素样本提取新特征,包括对比度增强直方图特征、超像素样本邻域纹理特征以及基于先验知识的位置信息特征,采用距离约束稀疏子空间聚类算法对超像素样本进行聚类,得到序列肺结节掩膜,最终得到序列肺结节图像。实验结果表明,该方法能准确高效地分割序列血管粘连型结节图像。
- 张伟张小龙赵涓涓强彦唐笑先
- 关键词:特征提取