Andere Kunden interessierten sich auch für
![Vergleich des Fließverhaltens verschiedener Polymerer mit Hilfe der Laser-Doppler-Anemometrie]( "Vergleich des Fließverhaltens verschiedener Polymerer mit Hilfe der Laser-Doppler-Anemometrie")
Vergleich des Fließverhaltens verschiedener Polymerer mit Hilfe der Laser-Doppler-Anemometrie38,00 €![KLASSIFIZIERUNG MOBILER NACHRICHTEN MIT NLP- UND ML-ALGORITHMEN]( "KLASSIFIZIERUNG MOBILER NACHRICHTEN MIT NLP- UND ML-ALGORITHMEN")
KLASSIFIZIERUNG MOBILER NACHRICHTEN MIT NLP- UND ML-ALGORITHMEN43,90 €![Alles über Nuklearmaterialien]( "Alles über Nuklearmaterialien")
Alles über Nuklearmaterialien55,90 €![Von ICM bis Alzheimer: Klassifizierende und prädiktive Analyse mit 3D-CNN]( "Von ICM bis Alzheimer: Klassifizierende und prädiktive Analyse mit 3D-CNN")
Von ICM bis Alzheimer: Klassifizierende und prädiktive Analyse mit 3D-CNN60,90 €![Classificazione dell'immagine della malattia del glaucoma mediante diversi classificatori]( "Classificazione dell'immagine della malattia del glaucoma mediante diversi classificatori")
Classificazione dell'immagine della malattia del glaucoma mediante diversi classificatori23,99 €![Erkennung von Bildfälschungen]( "Erkennung von Bildfälschungen")
Erkennung von Bildfälschungen43,90 €![Untersuchung der Merkmale verschiedener Übertragungssysteme]( "Untersuchung der Merkmale verschiedener Übertragungssysteme")
Untersuchung der Merkmale verschiedener Übertragungssysteme39,90 €
Die jüngsten Fortschritte in der Glaukom-Klassifizierungsmethode und Verbesserungen in der Klassifizierungsgenauigkeit. Das Glaukom ist die gefährlichste Augenkrankheit, die zu einer dauerhaften Erblindung führt, so dass eine frühzeitige Erkennung des Glaukoms unerlässlich ist, um eine Erblindung zu vermeiden. Unsere Forschung konzentriert sich auf ein automatisiertes Klassifizierungssystem zur Identifizierung von Krankheiten. Es wird verwendet, um Texturmerkmale aus Netzhautbildern zu extrahieren, die zur Unterscheidung zwischen normalen und infizierten, kranken Proben verwendet werden. Die Effektivität der resultierenden geordneten und ausgewählten Teilmengen von Merkmalen wird mit Hilfe einer Support-Vektor-Maschine, sequentieller Minimaloptimierung, Random Forest und Nave Bayes-Klassifizierungstechniken gemessen. Dies ist ein detaillierter Überblick über bestehende Klassifizierungsansätze, die für die Glaukomklassifizierung verwendet wurden. Mit dem SVM-Klassifikator erzielten wir eine Genauigkeit von etwa 94 %.