基于置信度曲率探索的好奇机制实现
Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v3i4.17911
Abstract
本文提出了一种基于置信度曲率探索的医学影像决策算法,通过加权置信度分层系统和曲率驱动的动态探索机制,在低分辨率图像中有效识别病变特征。算法首先对各特征参数进行归一化处理,计算其与典型病变标准值的高斯置信度,并通过加权综合得分进行初步评估。进一步引入“好奇机制”,通过动态搜索特征空间中的最大曲率区域,优化置信度评估的敏感性。本文重新设计了基于高斯核函数的曲率激励函数和损失函数,提供更稳定、更高效的收敛机制。
Keywords
置信度曲率；好奇机制；加权分层决策；医学影像分析；曲率探索
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] Bishop C M.Pattern recognition and machine learning
[2] Pedregosa F,et al.Scikit-learn:Machine learning in Pyt
[3] Schölkopf B,Smola A J.Learning with kernels:support vector machines,regularization, optimization, and beyond[M].
[4] 周涛,陈敏,白翔.医学影像分析中的深度学习:方法与应用[J].中国图象图形学报,2018,23(10):1437-1458.
[5] 周俊,赵启军,陈胜.基于曲率尺度空间的图像特征表示与识别[J].自动化学报,2015,41(4):721-734.
[2] Pedregosa F,et al.Scikit-learn:Machine learning in Pyt
[3] Schölkopf B,Smola A J.Learning with kernels:support vector machines,regularization, optimization, and beyond[M].
[4] 周涛,陈敏,白翔.医学影像分析中的深度学习:方法与应用[J].中国图象图形学报,2018,23(10):1437-1458.
[5] 周俊,赵启军,陈胜.基于曲率尺度空间的图像特征表示与识别[J].自动化学报,2015,41(4):721-734.
Copyright © 2025 刘亚非
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License