Andere Kunden interessierten sich auch für
![Rilevamento automatico del cancro della pelle]( "Rilevamento automatico del cancro della pelle")
Rilevamento automatico del cancro della pelle39,99 €![Sistema di previsione meteorologica con metodi di intelligenza computazionale]( "Sistema di previsione meteorologica con metodi di intelligenza computazionale")
Sistema di previsione meteorologica con metodi di intelligenza computazionale33,99 €![Inteligência Computacional para a identificação de melanoma cutâneo]( "Inteligência Computacional para a identificação de melanoma cutâneo")
Inteligência Computacional para a identificação de melanoma cutâneo26,99 €![Modello ibrido di apprendimento profondo per il rilevamento della malattia della ruggine gialla del grano]( "Modello ibrido di apprendimento profondo per il rilevamento della malattia della ruggine gialla del grano")
Modello ibrido di apprendimento profondo per il rilevamento della malattia della ruggine gialla del grano26,99 €![Classificazione completamente polarimetrica della copertura del suolo]( "Classificazione completamente polarimetrica della copertura del suolo")
Classificazione completamente polarimetrica della copertura del suolo29,99 €![Classificazione delle emozioni del pianto, utilizzando algoritmi di apprendimento automatico]( "Classificazione delle emozioni del pianto, utilizzando algoritmi di apprendimento automatico")
Classificazione delle emozioni del pianto, utilizzando algoritmi di apprendimento automatico36,99 €![Espansione della pelle nella riparazione della perdita di tessuto facciale]( "Espansione della pelle nella riparazione della perdita di tessuto facciale")
Espansione della pelle nella riparazione della perdita di tessuto facciale26,99 €
L'obiettivo principale dell'uso dell'intelligenza computazionale è classificare le immagini del cancro della pelle in tre classi: nevo comune, nevo atipico e melanoma utilizzando una tecnica di multi-classificazione più veloce e accurata. Questo lavoro propone il color local directional pattern (CLDP) per l'estrazione delle caratteristiche. Questo descrittore combina le caratteristiche vitali per il melanoma della pelle come il colore, la struttura e la forma in un vettore e utilizza l'algoritmo Dull-Razor per la rimozione dei peli nella fase di pre-elaborazione. Il modello proposto utilizza la Extreme Learning Machine (ELM) per una multiclassificazione più veloce e accurata rispetto alla Support Vector Machine (SVM). Un'accuratezza di classificazione del 95,23% è stata raggiunta sul set di dati PH2.