沈健
- 作品数：10 被引量：40H指数：5
- 供职机构：西北师范大学计算机科学与工程学院更多>>
- 发文基金：国家自然科学基金甘肃省高等学校研究生导师科研项目计划甘肃省高校基本科研业务费专项资金项目更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于邻域关系模糊粗糙集的医学图像分类研究被引量：9
- 2016年
- 对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,并将其应用于乳腺X光图像。实验结果表明,同已有的算法相比,该方法能有效选择特征,分类精度有较大的提升。
- 胡学伟蒋芸邹丽李志磊沈健
- 关键词：医学图像分类邻域关系
- 基于边缘检测的多类别医学图像分类方法被引量：9
- 2016年
- 针对乳腺X光医学图像多类分类精度普遍较低的问题,提出了一种基于边缘检测的医学图像多类分类新方法。首先对乳腺X光医学图像进行预处理包括图像去噪和图像增强,再通过边缘检测方法,获取乳腺X光医学图像中的肿块区域,对检测到的肿块区域使用灰度共生矩阵提取特征,对于提取到的特征,采用支持向量机(Support vector machine,SVM)的方法进行分类;对于检测不到肿块区域的乳腺X光医学图像可直接分类为无乳腺癌(即正常)类。实验结果表明,与传统的支持向量机多类分类算法相比,基于边缘检测的医学图像多类分类新方法在乳腺X光医学图像上具有更高的分类精度。
- 沈健蒋芸张亚男胡学伟
- 关键词：多类分类边缘检测灰度共生矩阵支持向量机
- 基于决策树对支持向量机的医学图像分类新方法被引量：9
- 2016年
- 针对传统对支持向量机多类分类算法(Multi-TWSVM)中出现的模糊性问题,提出了一种基于遗传算法的决策树对支持向量机(GA-DTTSVM)多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树,通过构建决策树可以分离样本的模糊区域,提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机(TWSVM)训练分类器,最后用训练的分类器进行分类和预测。实验结果表明,与决策树对支持向量机(DTTSVM)多类分类算法以及Multi-TWSVM相比,GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。
- 邹丽蒋芸陈娜沈健胡学伟李志磊
- 关键词：遗传算法
- 基于改进的多核支持向量机的医学图像挖掘研究
- 乳腺癌是一种对女性身体和心理健康都会产生严重危害的常见的恶性肿瘤，目前在乳腺癌的临床诊断方法中，影像诊断是最适合适龄女性的乳腺癌早期诊断方法，但是医生肉眼很难发现医学图像中的隐匿信息。随着互联网的迅猛发展，在线医疗诊断成...
- 沈健
- 关键词：医学图像支持向量机数据挖掘乳腺癌
- 基于β边界阈值选取的VPRS分类新方法被引量：2
- 2017年
- 深入研究了基于β边界阈值选取的变精度粗糙集分类问题,提出β边界阈值选取新方法。由于以往变精度阈值β人为设定,面对复杂多变的多种类型的大数据集,其应用范围有限。因此提出平均包含度的概念,将平均包含度作为选取上下近似集的阈值,能够根据不同类型的数据集生成最优变精度阈值,将边界域中信息量较大的条件属性归入正域。实验结果表明,改进后的算法下近似集增加,上近似集减小,边界区域减小。在不增加额外训练时间的前提下,与传统可变精度粗糙集(Variable Precision Rough Set,VPRS)相比,分类精度明显提高。
- 李志磊蒋芸胡学伟沈健
- 关键词：属性约简支持向量机
- 一种改进的模糊软集多参数决策方法
- 2017年
- 模糊软集多参数决策方法中经常将Zadeh交与代数积使用在数据融合方法中,在一些实际应用中会产生信息缺失,导致决策者无法做出准确的选择。针对这一问题,结合Einstein运算法则提出一种新的数据融合方法,用于解决信息缺失和对象无法排序的问题。所提出的基于模糊软集的多参数决策方法是通过Einstein积运算进行多个参数集合的整合,从而得到一个合成模糊软集,再由合成模糊软集计算得到对照矩阵与得分表,最终得到对象的全排序,为决策者提供判断依据。通过实例结果,可以验证新方法在决策问题中的正确性和有效性。
- 杨勇张亚男沈健
- 一种基于样本加权的多尺度核支持向量机方法被引量：1
- 2016年
- 多核学习方法是机器学习领域中的一个新的热点。核方法通过将数据映射到高维空间来增加线性分类器的计算能力,是目前解决非线性模式分析与分类问题的一种有效途径。但是在一些复杂的情况下,单个核函数构成的核学习方法并不能完全满足如数据异构或者不规则、样本规模大、样本分布不平坦等实际应用中的需求问题,因此将多个核函数进行组合以期获得更好的结果,是一种必然的发展趋势。因此提出一种基于样本加权的多尺度核支持向量机方法,通过不同尺度核函数对样本的拟合能力进行加权,从而得到基于样本加权的多尺度核支持向量机决策函数。通过在多个数据集上的实验分析可以得出所提方法对于各个数据集都获得了很高的分类准确率。
- 沈健蒋芸张亚男胡学伟
- 关键词：多核学习映射数据异构
- 基于邻域关系模糊粗糙集的分类新方法
- 2015年
- 针对目前模糊等价关系所诱导的模糊粗糙集模型不能准确地反映模糊概念范畴中数值属性描述的决策问题,提出一种基于邻域关系的模糊粗糙集模型NR-FRS,给出了该粗糙集模型的相关定义,在讨论模型性质的基础上进行模糊化邻域近似空间上的推理,并分析特征子空间下的属性依赖性;最后在NR-FRS的基础上提出特征选择算法,构建使得模糊正域增益优于具体阈值的特征子集,进而剔除冗余特征,保留分类能力强的属性。采用UCI标准数据集进行分类实验,使用径向基核函数(RBF)支持向量机作为分类器。实验结果表明,同基于邻域粗糙集的快速前向特征选择方法以及核主成分分析方法(KPCA)相比,NR-FRS模型特征选择算法所得特征子集中特征数量依据参数变化更加平缓、稳定。同时平均分类准确率提升最好可以达到5.2%,且随特征选择参数呈现更加平稳的变化。
- 胡学伟蒋芸李志磊沈健华锋亮
- 关键词：邻域关系
- 基于快速持续对比散度的卷积受限玻尔兹曼机被引量：7
- 2016年
- 受限玻尔兹曼机是深度学习中的重要模型,以其为基础的卷积受限玻尔兹曼机模型被广泛应用于图像处理与语音识别等领域,但其存在训练时间过长的问题。为此,使用快速持续对比散度(FPCD)算法对卷积受限玻尔兹曼机进行学习,从而提高模型的学习速度和分类精度。实验结果表明,与PCD,CD_1等算法相比,FPCD算法可有效提高卷积受限玻尔兹曼机的分类性能。
- 张娟蒋芸胡学伟沈健
- 基于节点选择优化的DAG-SVM多类别分类被引量：9
- 2015年
- 有向无环图支持向量机(DAG-SVM)对于N类别分类问题,会构造N×(N-1)/2个支持向量机分类器(为每2个类构造一个支持向量机),DAG-SVM可能出现由于节点选择不佳而导致整个分类器分类结果较差的情况。为此,提出一种改进的DAG-SVM。通过为每一层建立备选节点集合进行节点选择,选取下层备选节点集合中训练分类精度最高的一个节点组合作为当前层节点的下层节点,从而优化DAG-SVM的拓扑结构。实验结果表明,与已有的DAG-SVM,1-vs-1SVM,1-vs-a SVM方法相比,该方法的分类精度较高。
- 沈健蒋芸邹丽陈娜胡学伟
- 关键词：分类器多类别分类
