CAJ | 학술논문

提出一种基于双树复数小波变换的微钙化分类方法.通过提取基于小波和灰度直方图的纹理特征,结合遗传算法进行特征优化,分别用神经网络,支持向量机和KNN分类器进行微钙化的良恶性分类.对三种不同的分类器进行对比,结果表明:KNN分类器取得最好的效果,而支持向量机优于神经网络.KNN分类器对比于神经网络和支持向量机,无需训练,可节约训练时间,最直接地利用了样本和样本之间的关系,减少了类别特征选择不当对分类结果造成的不利影响,可以最大程度地减少分类过程中的误差项.在类别决策时,KNN分类器只与极少量的相邻样本有关,可以较好地避免样本数量的不平衡问题.与传统的小波比较,双树复数小波具有近似平移不变性和正则性,对图像信号具有良好的方向选择性,且冗余度有限,计算量较小.
제출일충기우쌍수복수소파변환적미개화분류방법.통과제취기우소파화회도직방도적문리특정,결합유전산법진행특정우화,분별용신경망락,지지향량궤화KNN분류기진행미개화적량악성분류.대삼충불동적분류기진행대비,결과표명:KNN분류기취득최호적효과,이지지향량궤우우신경망락.KNN분류기대비우신경망락화지지향량궤,무수훈련,가절약훈련시간,최직접지이용료양본화양본지간적관계,감소료유별특정선택불당대분류결과조성적불리영향,가이최대정도지감소분류과정중적오차항.재유별결책시,KNN분류기지여겁소량적상린양본유관,가이교호지피면양본수량적불평형문제.여전통적소파비교,쌍수복수소파구유근사평이불변성화정칙성,대도상신호구유량호적방향선택성,차용여도유한,계산량교소.