换一批基于改进VGG19卷积神经网络的肺炎图像分类(特邀)
Classification of Pneumonia Images Based on Improved VGG19 Convolutional Neural Network(Invited)
摘要将VGG19卷积神经网络与机器学习算法结合,构建了基于SVM(linear)和XGBoost的两种VGG19改进模型,并且分别利用VGG19模型和两种改进的VGG19模型对细菌性肺炎和病毒性肺炎图像进行分类.对三种网络模型的性能进行评估和比较,结果显示三种模型的平均准确率均在85.9％以上.改进的VGG19模型在准确率的稳定性方面优于传统VGG19模型,基于XGBoost的VGG19模型的综合性能最好,验证了深度学习模型结合机器学习模型的有效性.
更多相关知识
关键词
肺炎图像分类卷积神经网络深度学习VGG19支持向量机极端梯度提升Pneumonia image classificationConvolution neural networkDeep learningVGG19Support vector machineeXtreme Gradient Boosting
栏目名称
DOI
10.3788/gzxb20215010.1010001
发布时间
2021-10-28（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引12
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
