如图6所示,可以看出svm-rfe-mrmr算法和svm-rfe算法的分类准确率一样,最大为89.655%。但是,从图6中也很明显看出,当两者分类准确率都获得一样的最大分类准确率时,svm-rfe-mrmr算法的最优特征维数明显少于svm-rfe的最优特征维数;即svm-rfe-mrmr算法的最优特征维数为5,而svm-rfe特征维数为282。特征选择的目的,不...
(Normal Controls,NC),论文实现了一种基于SVM-RFE和MRMR的AD MRI医学图像分类方法VTSRM.该方法首先提取出MRI医学图像的纹理特征和形态学特征,然后利用基于支持向量机递归特征消除算法(SVM-RFE)和最小冗余最大相关(MRMR)技术的特征选择算法SRM选择出最优特征子集,并使用SVM分类算法对AD,MCI,NC进行分类.美国公...
We enhance the support vector machine recursive feature elimination (SVM-RFE) method for gene selection by incorporating a minimum-redundancy maximum-relevancy (MRMR) filter. The relevancy of a set of genes are measured by the mutual information among genes and class labels, and the redundancy is...
本发明公开了一种基于SVMRFEMRMR算法的阿兹海默症MRI图像分类方法.按下述步骤进行:a.采用VBM方法确定MRI图像中的病灶区,计算病灶区的灰质体积作为形态学特征,提取包括灰度共生矩阵和灰度梯度共生矩阵的纹理特征;b.将步骤a中所述的形态学特征和纹理特征组合,使用SVMRFEMRMR算法对组合的特征进行选择,得选择后组合特征;c...