Andere Kunden interessierten sich auch für
![Sistema de previsão meteorológica utilizando métodos de inteligência computacional]( "Sistema de previsão meteorológica utilizando métodos de inteligência computacional")
Sistema de previsão meteorológica utilizando métodos de inteligência computacional33,99 €![Classificação de imagens usando Aprendizagem Profunda e Inteligência de Enxame]( "Classificação de imagens usando Aprendizagem Profunda e Inteligência de Enxame")
Classificação de imagens usando Aprendizagem Profunda e Inteligência de Enxame36,99 €![Inteligencia computacional para la identificación del melanoma cutáneo]( "Inteligencia computacional para la identificación del melanoma cutáneo")
Inteligencia computacional para la identificación del melanoma cutáneo26,99 €![Auto-Detecção do cancro da pele]( "Auto-Detecção do cancro da pele")
Auto-Detecção do cancro da pele39,99 €![Intelligenza computazionale per l'identificazione del melanoma della pelle]( "Intelligenza computazionale per l'identificazione del melanoma della pelle")
Intelligenza computazionale per l'identificazione del melanoma della pelle26,99 €![Modelo Híbrido de Aprendizagem Profunda para a Detecção da Doença da Ferrugem Amarela do Trigo]( "Modelo Híbrido de Aprendizagem Profunda para a Detecção da Doença da Ferrugem Amarela do Trigo")
Modelo Híbrido de Aprendizagem Profunda para a Detecção da Doença da Ferrugem Amarela do Trigo26,99 €![Expansão da pele na reparação da perda de tecido facial]( "Expansão da pele na reparação da perda de tecido facial")
Expansão da pele na reparação da perda de tecido facial26,99 €
O principal objetivo do uso da inteligência computacional é classificar as imagens do câncer de pele em três classes como nevus comuns, nevus atípicos e Melanoma, usando uma técnica de multiclassificação mais rápida e precisa. Este trabalho propõe um padrão direcional local de cores (CLDP) para extração de características. Este descritor combina as características vitais para o melanoma da pele como cor, textura e forma em um único vetor e usa o algoritmo Dull-Razor para remoção de pêlos na etapa de pré-processamento. O modelo proposto utiliza Extreme Learning Machine (ELM) para uma multiclassificação mais rápida e precisa do que a máquina vetorial de suporte (SVM). Uma precisão de classificação de 95,23% é alcançada no conjunto de dados PH2.