您当前的位置：
首页 > 文献资料
所属专业：
C4.5决策树文献资料
-
基于模糊小波包和决策树的表面肌电信号分类研究
提出了用模糊小波包提取表面肌电信号特征,并且用C4.5决策树分类器对信号进行分类的方法.通过对4类不同的动作肌电信号进行分类,验证了该方法的有效性和高识别率.
-
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。
-
RF和C4.5决策树在食管癌图像分类中的研究
目的 探讨RF和C4.5决策树对X线食管造影图像分型中的应用,以及验证分类器对特征的分类能力.方法 选取2018年1月～6月在新疆医科大学第一附属医院、第二附属医院和第三附属(肿瘤)医院的放射科选取溃疡性、缩窄型和蕈伞型食管癌X线图像各560张,提取灰度共生矩阵,灰度直方图和混合特征;采用RF和C4.5决策树通过调整参数进行分类研究.结果 RF和C4.5决策树对溃疡型和缩窄型食管癌进行分类,灰度共生矩阵的分类准确率分别为73.30％,67.76％;灰度直方图分类准确率分别为84.55％,76.16％.而混合特征算法的分类准确率分别为95.08％,86.87％;对溃疡型和蕈伞型食管癌进行分类,灰度共生矩阵的分类准确率分别为75.08％,66.96％;灰度直方图分类准确率分别为83.83％,77.23％.而混合特征算法的分类准确率分别为80.98％,73.66％.结论 灰度直方图特征的分类准确率比灰度共生矩阵特征的平均高10％,混合特征更适合于溃疡型,缩窄型食管癌的分类.而灰度直方图特征更适合于溃疡型,蕈伞型食管癌的分类;RF的分类能力比C4.5决策树高.此算法可为X线食管造影图像的分类提供参考.
