文献

J-GLOBAL ID：201702222905769041   整理番号：17A0094752

肺結節の検出における改良型RVMの研究と応用【JST・京大機械翻訳】

Improved RVM based research and application on lung nodule detection

著者 (4件)： Wu Panpan (School of Electronic and Information Engineering, Hebei University of Technology) ,  Xia Kewen (School of Electronic and Information Engineering, Hebei University of Technology) ,  Lin Yongliang (School of Electronic and Information Engineering, Hebei University of Technology) ,  Bai Jianchuan (School of Electronic and Information Engineering, Hebei University of Technology)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 52  号： 19  ページ： 201-207  発行年： 2016年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： パターン認識問題において,関連ベクトルマシン(RVM)は,新しい機械学習方法として注目されており,近年,マルチコアRVM法の提案は,より広く応用されている。多核RVMモデルにおける核パラメータの値と異なる核関数の組合せ重み係数の値はモデル分類性能にとって非常に重要であるが、実際の応用において、その値は経験値により定量分析計算から得られることが多い。そのため、粒子群最適化アルゴリズム(PSO)と二次計画法(SOCP)に基づく多核RVMパラメータ最適化モデルについて研究を行い、合理的な核関数組み合わせを構築し、高速求解方法を提案した。最後に,この方法を肺結節検出に適用し,画像処理モジュールを用いて肺結節の特徴情報を抽出し,画像処理モジュールを用いて肺結節を分類した。実験結果は,PSOに基づくマルチコアRVMモデルと比較して,PSOととに基づくマルチコアRVMモデルが,計算効率を改善するだけではなく,より良い分類性能も達成することを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  画像処理 ,  *核関数 ,  二次計画法 ,  機械学習 ,  定量分析 ,  高速度
準シソーラス用語： 計算効率 ,  最適化モデル ,  粒子群最適化 ,  重み係数 ,  マルチコアプロセッサ ,  関連ベクトルマシン ,  *肺結節 , 【Automatic Indexing@JST】

著者キーワード (4件)： lung nodule detection ,  Relevance Vector Machine(RVM) ,  Particle Swarm Optimization(PSO) ,  Second-Order Cone Programming(SOCP)

分類 (9件)： その他の電磁気的量の計測法・機器  (AD07070F) ,  電子回路一般  (NC05010N) ,  その他の情報処理  (JE15050M) ,  医用画像処理  (JE04020T) ,  パターン認識  (JE07000S) ,  設備管理  (KB02020X) ,  配電(事業者側)  (NB05040R) ,  フィルタ一般  (NC04021I) ,  園芸食品一般  (FJ11010D)

タイトルに関連する用語 (3件)： 肺結節 ,  研究 ,  応用