资料下载
×
融合生成对抗网络等的皮肤病诊断技术
消耗积分:0 |
格式:pdf |
大小:6.40 MB |
2021-06-09
分享资料个
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，提岀的两种皮肤病诊断方法准确率和召回率均有提升。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
