Institute of Computing Technology, Chinese Academy IR
| 融合生成对抗网络和朴素贝叶斯皮肤病诊断方法 | |
| 商显震1; 韩萌1; 孙毓忠2; 孙宇宁3; 陈旭2; 胡满满2; 梅御东2 | |
| 2019 | |
| 发表期刊 | 计算机科学与探索
 |
| ISSN | 1673-9418 |
| 卷号 | 13.0期号:006页码:1005 |
| 摘要 | 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,提出的两种皮肤病诊断方法准确率和召回率均有提升。 |
| 关键词 | 皮肤病诊断 朴素贝叶斯(NB) 词频-逆文档频率(TF-IDF)算法 生成对抗网络(GAN) 类不平衡数据 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/35560 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.北方民族大学 2.中国科学院计算技术研究所 3.云南大学 |
| 推荐引用方式 GB/T 7714 | 商显震,韩萌,孙毓忠,等. 融合生成对抗网络和朴素贝叶斯皮肤病诊断方法[J]. 计算机科学与探索,2019,13.0(006):1005. |
| APA | 商显震.,韩萌.,孙毓忠.,孙宇宁.,陈旭.,...&梅御东.(2019).融合生成对抗网络和朴素贝叶斯皮肤病诊断方法.计算机科学与探索,13.0(006),1005. |
| MLA | 商显震,et al."融合生成对抗网络和朴素贝叶斯皮肤病诊断方法".计算机科学与探索 13.0.006(2019):1005. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [商显震]的文章 |
| [韩萌]的文章 |
| [孙毓忠]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [商显震]的文章 |
| [韩萌]的文章 |
| [孙毓忠]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [商显震]的文章 |
| [韩萌]的文章 |
| [孙毓忠]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论