资料下载
×
如何使用布谷鸟搜索和深度信念网络提出一个肺部肿瘤图像识别算法
消耗积分:0 |
格式:rar |
大小:0.93 MB |
2018-11-23
分享资料个
针对深度信念网络（DBN）权值随机初始化易使网络陷入局部最优的问题，在传统DBN模型中引入布谷鸟搜索（CS）算法，提出一种基于CS-DBN的肺部肿瘤图像识别算法。首先，利用CS的全局寻优能力对DBN的初始权值进行优化，并在此基础上进行DBN的逐层预训练；然后，利用反向传播（BP）算法对整个网络进行微调，从而使网络权值达到最优；最后，将CS-DBN应用于肺部肿瘤图像的识别，实验从受限玻尔兹曼机（RBM）训练次数、训练批次大小、DBN隐层层数和隐层节点数四个角度将CS-DBN与传统DBN进行比较，以验证该算法的可行性和有效性。实验结果表明，CS-DBN的识别精度明显高于传统DBN，在不同RBM训练次数、训练批次大小、DBN隐层层数和隐层节点数条件下，CS-DBN较传统DBN识别率提高百分点的范围分别是1.13~4.33、2.00~3.34、1.07~3.34和1.40~3.34。CS-DBN能够在一定程度上提高肺部肿瘤的识别精度，从而提高肺部肿瘤计算机辅助诊断性能。
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
