通过核心/边缘网络表征COVID-19射线图像的分散模式
闫江龙1
刘卫光1
赵亮2
1.中原工学院 计算机学院,河南 郑州 4500072.圣保罗大学 计算机与数学系,巴西 里贝朗普雷图,14015-110
摘要：传统的数据分类任务中,每个类别内的数据特征之间都呈现一定程度的相似性,即每个类别内的数据特征都呈现出规则的模式.然而现实世界的数据分类任务中,通常情况下,正常数据样本的数据特征之间很相似,并且呈现出规则的模式,而异常数据样本的数据特征之间差别很大,并且没有呈现出规则的模式.传统的分类任务与现实世界的数据分类任务中数据模式差别很大,针对此类问题,提出一种通过核心/边缘网络表征COVID-19射线图像的分散模式的方法.首先,用训练数据集构建核心/边缘网络,其中,核心节点集由正常数据样本组成,而边缘节点集包含训练数据集的异常样本;其次,通过判断测试数据样本是否属于核心对其进行分类.实验结果表明,将所提方法用于对COVID-19射线图像的分类,取得了较好的效果,相较于其他分类方法,本文方法的准确率有明显提升.
关键词：数据分类分散模式COVID-19核心边缘结构射线图像
分类号：TP181(自动化基础理论)
论文发表日期：2021-04-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 59-65 )
英文信息