Andere Kunden interessierten sich auch für
![Wettervorhersagesystem mit Methoden der Computational Intelligence]( "Wettervorhersagesystem mit Methoden der Computational Intelligence")
Wettervorhersagesystem mit Methoden der Computational Intelligence50,90 €![Identifizierung und Management von Abfall aus einer Bäckerei]( "Identifizierung und Management von Abfall aus einer Bäckerei")
Identifizierung und Management von Abfall aus einer Bäckerei39,90 €![Antibiotika-Empfindlichkeitsmuster von pathogenen Bakterien]( "Antibiotika-Empfindlichkeitsmuster von pathogenen Bakterien")
Antibiotika-Empfindlichkeitsmuster von pathogenen Bakterien39,90 €![Identifizierung und antimikrobielle Resistenzmuster von Staphylokokken]( "Identifizierung und antimikrobielle Resistenzmuster von Staphylokokken")
Identifizierung und antimikrobielle Resistenzmuster von Staphylokokken54,90 €![Klassifizierung weinender Emotionen mithilfe von Algorithmen des maschinellen Lernens]( "Klassifizierung weinender Emotionen mithilfe von Algorithmen des maschinellen Lernens")
Klassifizierung weinender Emotionen mithilfe von Algorithmen des maschinellen Lernens54,90 €![Automatische Erkennung von Hautkrebs]( "Automatische Erkennung von Hautkrebs")
Automatische Erkennung von Hautkrebs60,90 €![Automatische Klassifizierung von erdbebenbedingten Gebäudeschäden]( "Automatische Klassifizierung von erdbebenbedingten Gebäudeschäden")
Automatische Klassifizierung von erdbebenbedingten Gebäudeschäden55,90 €
Das Hauptziel des Einsatzes von Computerintelligenz ist die Klassifizierung von Hautkrebsbildern in die drei Klassen gewöhnlicher Naevus, atypischer Naevus und Melanom mit Hilfe einer schnelleren und genaueren Mehrfachklassifizierungstechnik. In dieser Arbeit wird ein farbiges lokales Richtungsmuster (CLDP) für die Merkmalsextraktion vorgeschlagen. Dieser Deskriptor kombiniert die wichtigsten Merkmale für Hautmelanome wie Farbe, Textur und Form in einem Vektor und verwendet den Dull-Razor-Algorithmus zur Haarentfernung im Vorverarbeitungsschritt. Das vorgeschlagene Modell verwendet Extreme Learning Machine (ELM) für eine schnellere und genauere Mehrfachklassifizierung als Support Vector Machine (SVM). Für den PH2-Datensatz wird eine Klassifizierungsgenauigkeit von 95,23 % erreicht.