-
题名基于DC-DenseNet的乳腺癌病理图像分类
被引量：1
- 1
-
-
作者
张庙林
帅仁俊
-
机构
南京工业大学计算机科学与技术学院
-
出处
《计算机应用与软件》
北大核心
2023年第4期116-121,共6页
-
基金
国家自然科学基金项目(61701222)。
-
文摘
乳腺癌病理图像的自动分类具有重要的临床应用价值。设计一种新颖的卷积神经网络模型(DC-DenseNet),该模型在DenseNet基础上将扩张卷积集成到密集块来实现多尺度的特征提取。此外,还提出一种新的学习率优化器,它不需要复杂的微调学习率就可以表现出优异的性能。对BACH数据集划分为良性、恶性、原位癌和浸润性癌四个类进行分类预测研究,并将所提的方法与AlexNet、VGG-19、DenseNet161模型进行综合对比。实验结果表明所提方法有效提高了乳腺癌的分类预测精度,在四个类上的平均识别率达到了94.10%。
-
关键词
乳腺癌病理图像
图像分类
卷积神经网络
DenseNet优化
学习率优化器
-
Keywords
Breast cancer pathological image
Image classification
Convolutional neural network
DenseNet optimization
Learning rate scheduler
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
-
-
题名基于粗糙集和最小二乘支持向量机的文本分类方法
- 2
-
-
作者
张庙林
牛犇
-
机构
金陵科技学院电子信息工程学院
-
出处
《信息记录材料》
2017年第5期99-102,共4页
-
基金
2017年4月金陵科技学院--金陵科技学院高层次人才科研启动基金(jit-b-201704)
-
文摘
文本分类是数据挖掘和知识发现的关键,机器学习已经成功的应用于文本分类。但是,高维度的特征向量影响了分类速度,且特征的选择影响了分类精度。本文提出一种粗糙集和最小二乘支持向量机相结合的文本分类方法,使用粗糙集对特征向量进行降维,使用最小二乘支持向量机进行特征选择并分类。实验结果表明,基于粗糙集和最小二乘支持向量机的分类方法较传统的KNN、决策树、标准SVM等方法更加有效。
-
关键词
数据挖掘
文本分类
粗糙集
最小二乘支持向量机
-
分类号
TM614
[电气工程—电力系统及自动化]
-
