10.3969/j.issn.1672-9722.2019.03.020
基于深度信念网络的乳腺肿瘤辅助诊断研究
针对传统的浅层机器学习算法对乳腺肿瘤识别精度不高的问题,论文构建了一种基于深度信念网络(DBN)的乳腺肿瘤识别模型.首先对原始的乳腺肿瘤特征数据进行预处理,然后构建深度信念网络模型对乳腺肿瘤特征数据进行训练和识别,最后将深度信念网络模型的识别精度和传统的浅层机器学习算法的结果进行了对比.仿真实验结果表明,论文构建的基于深度信念网络的模型对乳腺肿瘤具有很好的识别效果,平均识别精度达到了98.45%,识别精度高于BP神经网络、LVQ神经网络、决策树和支持向量机(SVM)等浅层机器学习算法.
浅层机器学习算法、深度信念网络、乳腺肿瘤、辅助诊断
47
TP183(自动化基础理论)
国家自然科学基金;陕西省教育厅重点实验室科研计划项目
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
582-586