融合生成对抗网络和朴素贝叶斯皮肤病诊断方法
不同皮肤病间发病率的差异导致了皮肤病数据类不平衡现象,对使用机器学习方法构建高效、准确的皮肤病诊断模型带来了巨大挑战.提出一种融合生成对抗网络(generative adversarial networks,GAN)和朴素贝叶斯的皮肤病二分类诊断方法:在皮肤病数据集上训练朴素贝叶斯二分类器作为诊断器,创新性地使用GAN为前者生成补充训练样本,使其训练集正负类样本达到平衡.针对皮肤病诊断多分类问题,提出一种融合生成对抗网络和朴素贝叶斯的多分类诊断方法:使用GAN和朴素贝叶斯训练皮肤病单病种二分类器,并结合了词频-逆文档频率算法(term frequency-inverse document frequency,TF-IDF),将多个二分类器组合成一个多分类器作为诊断器.与六种诊断方法进行了对比实验,提出的两种皮肤病诊断方法准确率和召回率均有提升.
皮肤病诊断、朴素贝叶斯(NB)、词频-逆文档频率(TF-IDF)算法、生成对抗网络(GAN)、类不平衡数据
13
TP181(自动化基础理论)
The Key Discipline Project of Computer Application Technology of Ningxia Hui Autonomous Region under Grant No. PY1703 计算机应用技术宁夏回族自治区重点学科项目
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共11页
1005-1015