Andere Kunden interessierten sich auch für
![Classification des images dans les messageries instantanées à l'aide de CNN]( "Classification des images dans les messageries instantanées à l'aide de CNN")
Classification des images dans les messageries instantanées à l'aide de CNN29,99 €![Reconnaissance d'actions humaines à partir de vidéos à l'aide de classificateurs SVM et KNN]( "Reconnaissance d'actions humaines à partir de vidéos à l'aide de classificateurs SVM et KNN")
Reconnaissance d'actions humaines à partir de vidéos à l'aide de classificateurs SVM et KNN26,99 €![Détection des images falsifiées]( "Détection des images falsifiées")
Détection des images falsifiées29,99 €![Améliorer la précision de classification des classificateurs automatiques de texte]( "Améliorer la précision de classification des classificateurs automatiques de texte")
Améliorer la précision de classification des classificateurs automatiques de texte26,99 €![Effet du PWHT sur le soudage de deux métaux différents assemblés par MIG]( "Effet du PWHT sur le soudage de deux métaux différents assemblés par MIG")
Effet du PWHT sur le soudage de deux métaux différents assemblés par MIG23,99 €![Classifier les images de pathologie thoracique à l'aide de techniques d'apprentissage approfondi]( "Classifier les images de pathologie thoracique à l'aide de techniques d'apprentissage approfondi")
Classifier les images de pathologie thoracique à l'aide de techniques d'apprentissage approfondi18,99 €![Détection automatique de l'accrétion pour les yeux atteints de glaucome]( "Détection automatique de l'accrétion pour les yeux atteints de glaucome")
Détection automatique de l'accrétion pour les yeux atteints de glaucome29,99 €
Les progrès récents dans la méthode de classification du glaucome et les améliorations dans l'ac- curité de la classification. Le glaucome est une maladie oculaire grave qui entraîne une cécité permanente. Pour éviter cette cécité, la détection précoce du glaucome est essentielle. Notre recherche se concentre sur un système de classification automatique pour l'identification de la maladie, il est utilisé pour extraire les caractéristiques texturales des images rétiniennes qui sont utilisées pour distinguer les échantillons normaux et infectés. L'efficacité est évaluée à partir des sous-ensembles de caractéristiques classés et sélectionnés qui en résultent, en utilisant une machine à vecteurs de support, une optimisation minimale séquentielle, une forêt aléatoire et des techniques de classification de Nave Bayes. Ceci représente une revue détaillée des approches de classification existantes qui ont été appliquées à la classification du glaucome. Nous avons observé une précision d'environ 94 % en utilisant le classificateur SVM.