首页 > 文献资料
-
利用文本分类技术研究方剂分类
目的:借助现代化的工具和手段,批量处理中医方剂信息,发现方剂的类别及内在联系.方法:利用计算机自然语言处理领域的知识,基于文本分类算法,计算方剂相似度,为研究中医方剂提供有用信息.结果:KNN分类器可以在方剂分类中取得预期效果.
-
基于Relief特征选择算法与多生理信号的焦虑状态识别
焦虑是一种在感到被威胁的环境中产生的复杂的心理过程。该文通过任务驱动的焦虑情绪诱发实验，采集被试心电、呼吸、血容量搏动、皮肤电四种生理信号数据，结合Relief算法对特征进行选择，并结合k近邻算法（kNN）和支持向量机（SVM）算法，对平静状态和焦虑情绪状态进行识别分类。结果表明，对于焦虑情绪状态下的情绪识别，Relief-SVM算法优于Relief-kNN算法；利用多生理参数进行情绪识别优于单一生理参数。
-
基于SIFT算法的图像特征点提取和匹配研究
目的:把SIFT算法应用在牙齿模型图像上,检测牙齿图像的特征点.方法:首先采用高斯差分算子DoG搜索整个图像的尺度和位置信息,从而确定具有代表性尺度、方向的特征点.基于其稳定性选择关键点,得到一个详细的模型以确定每个候选点的合适位置和范围.基于局部图像梯度方向信息将方向矢量和关键点对应起来.在选定范围内的每个关键点周边区域测量局部图像梯度,并采用KNN算法进行特征匹配.结果:通过大量的实验和与其他特征提取方法相比较,该方法能有效地检测牙齿模型图像的特征,并为牙齿模型三维重建提供有效的参数.结论:在口腔医学牙齿模型图像中应用SIFT算法,有助于牙齿模型的三维重建.
-
基于K-Nearest Neighbor和神经网络的糖尿病分类研究
为实现糖尿病的早期筛查,提高对糖尿病分类的准确度,在研究有关糖尿病危险因素的基础上,增加糖化血红蛋白作为糖尿病早期筛查的特征之一.研究中选取与人类为相似的食蟹猴作为研究对象,利用年龄、血压、腹围、BMI、糖化血红蛋白以及空腹血糖作为特征输入,将正常、糖尿病前期和糖尿病作为类别输出,利用K-Nearest Neighbor(KNN)和神经网络两种方法对其分类.发现在增加糖化血红蛋白作为分类特征之一时,KNN(K=3)和神经网络的分类准确率分别为81.8％和92.6％,明显高于没有这一特征时的准确率(68.1％和89.7％),KNN和神经网络都可以对食蟹猴数据进行分类和识别,起到早期筛查作用.
-
大脑组织多参数磁共振影像分割方法研究
对大脑组织的影像分割,在人脑疾病的诊断和治疗以及人脑的功能研究中有着越来越重要的作用.本文应用近邻算法(kNN)和模糊近原型(FNP)算法对Multi-Spectral MR图像进行分割.综合考虑MR图像的特征和解剖学的知识,我们发展了一套邻域规则,用来弥补kNN算法和FNP算法的各自的不足,加快了计算的速度.通常的分类分析只在状态空间,而没有考虑到图像中像素之间的相邻信息,而正是这些由生物学特征决定的相邻信息,可以作为状态空间分类之后,用邻域规则对通常分类中不确定的像素进行进一步分类的依据.通过这样的这步过程,有效地降低了分类的错误,得到的分割结果明显好于文献中单独使用kNN和FNP算法得到的结果.
关键词： Multi-spectral MRI 图像分割 KNN FNP 邻域规则 -
基于乳腺癌数据的分类方法比较
乳腺癌的早期诊断与治疗有着重要的作用,已有多种分类方法应用于此种诊断。本文分别对C4.5决策树算法、朴素贝叶斯算法,支持向量机,KNN的原理进行论述,并基于乳腺癌数据运用上述分类方法进行模型构建,分析比较各模型性能,其中支持向量机性能较优。
