【摘 要】
：
PET/CT孤立性肺结节计算机辅助诊断模型中,从结节影像学的特征角度来预测良恶性是辨别肺结节性质的关键.为了构造一个良好的诊断预测模型,提高肺结节良恶性诊断的效率以及准确率,本文提出了一种基于JMI互信息的混合模型特征选择算法.该算法综合特征选择filter和wrapper模型各自的优势,首先基于JMI互信息的filter方法得到SPNs特征集中具有高相关度的肺结节候选特征子集,以减小wrappe
【机 构】
：
太原理工大学计算机科学与技术学院,太原中国030024 太原理工大学计算机科学与技术学院,太原中国
论文部分内容阅读
PET/CT孤立性肺结节计算机辅助诊断模型中,从结节影像学的特征角度来预测良恶性是辨别肺结节性质的关键.为了构造一个良好的诊断预测模型,提高肺结节良恶性诊断的效率以及准确率,本文提出了一种基于JMI互信息的混合模型特征选择算法.该算法综合特征选择filter和wrapper模型各自的优势,首先基于JMI互信息的filter方法得到SPNs特征集中具有高相关度的肺结节候选特征子集,以减小wrapper搜索空间的复杂度,然后采用wrapper方法对肺结节候选特征子集进行特征间的冗余分析,得到最佳SPNs特征子集.实验表明,该算法无论与基于其他互信息的filter特征选择相比,还是同基于其他互信息的混个模型特征选择相比,不仅在特征选择的最佳特征子集的数目上,而且在良恶性诊断的敏感性、特异性和平均分类准确率上,均具有很好的性能效果.
其他文献
理解和优化智能手机的功耗已成为一个重要的研究领域,软件和硬件开发人员均需要一个动态的功耗评估工具来指导功耗优化,从而开发低功耗的应用程序和构建省电的系统.现有的工作已经提出多种功耗模型来评估功耗,但这些模型缺乏细化粒度和精确度.本文中,我们提出基于硬件使用率和延时功耗的智能手机功耗模型,细化了模型的硬件组件,加入了延时功耗,能够更加精确地评估实时功耗.该模型基于非线性回归结构,通过模块化目标设备的
在图像分类问题中,主动学习因其可以显著降低标注训练样本的代价,已经成为一种广泛使用的方法.它的关键是样本选择策略,即在保持分类器性能的前提下,如何有效地选择少量待标注样本.同时,由于使用主动学习训练样本集合不断增长,分类器也相应地需要更新.通常,新的分类器需要使用全部的训练样本进行重新训练.显然,分类器的重训练负担将显著增加.针对样本选择策略和分类器更新问题,本文提出一种基于主动学习的在线学习器O
飞翔影院、4D动感影院等体验式影院可以让观众借助座椅等超感设备,在安全的环境下身临其境的体验到飞翔、风、云、雨、电等娱乐效果.但是,由于播放的实际是视频图像、观众多且受限于超感设备中等因素,使得这类影院很少支持观众的互动参与.本文提出一种基于多通道自然交互的体验式影院系统,通过提供群体语音和手势的自然交互方式,根据群体行为决策,实现用户与剧情互动,进行剧情选择或控制.用户测试表明,与传统体验式影院
Conventional activity recognition can be effectively captured by accelerometer data,especially for the fall caused injuries that are seriously great threats to the elderly people.Accordingly,timely de
语音情感识别是语音处理领域一个具有挑战性并且具有广泛应用前景的研究课题.本文探索了语音情感识别中的关键问题之一:生成情感识别有效的特征表示.我们从四个角度生成了语音信号中的情感特征表示:1)低层次的声学特征,包括能量、基频、声音质量、频谱等相关的特征,以及基于这些低层次特征的统计特征.2)倒谱声学特征根据情感相关的高斯混合模型进行距离转化而得出的特征.3)声学特征依据声学词典进行转化而得出的特征.
越来越多的笔式设备通过增加笔倾斜输入提高其输入能力.但在直接输入设备和间接输入设备上执行笔的倾斜操作时,由于操作环境和视觉反馈的不同,往往导致操作性能产生差异.本研究以探索笔倾斜输入在直接设备和间接设备上的性能差异为目的,以实证手段考察在两种设备上获取不同角间距下的不同笔倾斜目标时的操作速度、稳定性和准确性,讨论导致直接设备和间接设备笔倾斜性能不同的原因,并提出适用的角间距和倾斜目标位置.实验结果
随着社会媒体的兴盛,越来越多的用户在网络中产生和分享各种信息.这些活动能够反映用户的各种属性信息,例如性别、年龄和职业等.挖掘用户属性对用户建模、用户检索和个性化服务等具有十分重要的意义.已有的相关研究工作都是单独进行挖掘各种属性,而且忽略了各属性之间的相关关系.在本文中,我们在进行用户属性推断时考虑属性之间的关系,提出了一种新的基于超图学习的关联性用户属性推断的方法.在超图中,顶点表示社会媒体中
本文提出一种新的图像显著度检测方法.该方法的核心是图像内容的自组织映射以及基于流形的半监督学习算法.通过自组织映射把图像分成很多结点,这些结点不但能反映图像内容的颜色特征,而且能反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,本文进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度值,最终计算出所有结点的显著度度值.实
图像对象定位可以提供准确的对象区域,能有效提高图像对象识别和分类等效果.本文提出一种基于多重图像分割评价的图像对象定位方法.通过图像的多层次分割,以确定图像不同区域之间的语义约束关系,应用此约束关系对不同层次的对象区域模式进行频繁项集挖掘和评分,并按照此模式评分来逐次合并每层图像分割中的重要区域,从而最终实现整个对象区域的精确定位.在MSRC和GRAZ的定位实验表明,本文的方法可以有效的定位到图像
互联网用户已经形成通过社交媒体渠道获得信息,各种类型信息的传播转向社会化媒体,视频网站也出现了社交化发展趋势.通过社会关系接收的无关信息严重泛滥,而对于各类社交媒体平台而言则不利于它们的长期发展.社会化聚合能将用户感兴趣且需要的信息更好地整合起来,目前社会化信息聚合网站及应用主要集中在图片分享、文章聚合、社会化书签收藏等领域,缺少对在线视频信息的社会化聚合.本文调研发现影响着视频的社会化聚合的几个