通过核心/边缘网络表征COVID-19射线图像的分散模式

作者：闫江龙; 刘卫光^*; 赵亮

来源：中原工学院学报, 2021, 32(02): 59-65.

• 数据分类
• 分散模式
• COVID-19
• 核心边缘结构
• 射线图像

传统的数据分类任务中,每个类别内的数据特征之间都呈现一定程度的相似性,即每个类别内的数据特征都呈现出规则的模式。然而现实世界的数据分类任务中,通常情况下,正常数据样本的数据特征之间很相似,并且呈现出规则的模式,而异常数据样本的数据特征之间差别很大,并且没有呈现出规则的模式。传统的分类任务与现实世界的数据分类任务中数据模式差别很大,针对此类问题,提出一种通过核心/边缘网络表征COVID-19射线图像的分散模式的方法。首先,用训练数据集构建核心/边缘网络,其中,核心节点集由正常数据样本组成,而边缘节点集包含训练数据集的异常样本;其次,通过判断测试数据样本是否属于核心对其进行分类。实验结果表明,将所提方法用于对COVID-19射线图像的分类,取得了较好的效果,相较于其他分类方法,本文方法的准确率有明显提升。

• 单位
  中原工学院