presented a study of contourlet bas

presented a study of contourlet based mammography mass classification using support vector
machine (SVM). In their study, a set of statistical properties of contourlet coefficients from 4 decomposition levels, cooccurrence matrix features and geometrical features is used as feature vector of ROI. Genetic algorithm was used for feature selection based on neural network pattern classification. They concluded that the contourlet features offer an improvement of the classification process. presented a study of mammogram classification based on curvelet transform. A fractional amount of the biggest coefficients from each decomposition level is used as feature vector. They proved that multiresolution based analysis achieved interesting results.

ผลลัพธ์ (ไทย) 1:

นำเสนอการศึกษา contourlet โดย mammography ประเภทมวลโดยใช้เวกเตอร์สนับสนุนเครื่อง (SVM) การศึกษา ใช้ชุดของคุณสมบัติทางสถิติของสัมประสิทธิ์ contourlet จาก 4 ระดับแยกส่วนประกอบ cooccurrence เมตริกซ์คุณสมบัติ และคุณลักษณะ geometrical เป็นเวกเตอร์คุณลักษณะของร้อย ขั้นตอนวิธีพันธุกรรมถูกใช้สำหรับการเลือกคุณลักษณะตามการจัดประเภทรูปแบบเครือข่ายประสาท พวกเขาสรุปว่า ลักษณะการทำงานของ contourlet มีการปรับปรุงการจัดประเภท นำเสนอการศึกษาเอ็กซเรย์เต้านมประเภทตามแปลง curvelet จำนวนสัมประสิทธิ์ที่ใหญ่ที่สุดจากแต่ละระดับแยกส่วนประกอบเศษส่วนจะใช้เป็นลักษณะแบบเวกเตอร์ พวกเขาพิสูจน์ว่า วิเคราะห์ตาม multiresolution ได้ผลที่น่าสนใจ

ผลลัพธ์ (ไทย) 2:

นำเสนอผลการศึกษาของการจำแนกมวลเต้านมตาม contourlet
ใช้สนับสนุนเวกเตอร์เครื่อง(SVM) ในการศึกษาของพวกเขาชุดของคุณสมบัติทางสถิติของสัมประสิทธิ์ contourlet 4 ระดับจากการสลายตัวคุณสมบัติ cooccurrence เมทริกซ์และคุณสมบัติทางเรขาคณิตที่ใช้เป็นเวกเตอร์คุณลักษณะของผลตอบแทนการลงทุน ขั้นตอนวิธีทางพันธุกรรมถูกนำมาใช้สำหรับการเลือกคุณลักษณะที่อยู่บนพื้นฐานของการจำแนกรูปแบบเครือข่ายประสาท พวกเขาสรุปว่าคุณสมบัติ contourlet ให้ปรับปรุงกระบวนการจัดหมวดหมู่ได้ นำเสนอผลการศึกษาการจัดหมวดหมู่ของการคัดกรองขึ้นอยู่กับ curvelet เปลี่ยน จำนวนเศษส่วนของค่าสัมประสิทธิ์ที่ใหญ่ที่สุดจากการสลายตัวในแต่ละระดับจะใช้เป็นคุณลักษณะเวกเตอร์ พวกเขาพิสูจน์ให้เห็นว่าการวิเคราะห์ตาม multiresolution บรรลุผลที่น่าสนใจ

ผลลัพธ์ (ไทย) 3:

นำเสนอการศึกษา contourlet การจำแนกมวลตรวจเต้านมโดยใช้เครื่องเวกเตอร์
สนับสนุนตาม ( SVM ) ในการศึกษาของพวกเขา ชุดคุณสมบัติทางสถิติของสัมประสิทธิ์ contourlet จาก 4 ระดับการ cooccurrence เมทริกซ์คุณสมบัติและลักษณะทางเรขาคณิตที่ใช้เป็นเวกเตอร์ลักษณะของร้อยเอ็ด ขั้นตอนวิธีเชิงพันธุกรรมถูกใช้สำหรับการเลือกคุณลักษณะตามรูปแบบการจำแนกเครือข่ายประสาทพวกเขาสรุปว่า contourlet คุณลักษณะเสนอให้มีการปรับปรุงกระบวนการจัดประเภท นำเสนอการศึกษาของครูจำแนกตามยู่ในแปลง . เป็นเศษส่วนจํานวนของสัมประสิทธิ์ที่ใหญ่ที่สุดจากแต่ละระดับการย่อยสลายเป็นเวกเตอร์ลักษณะเฉพาะ พวกเขาพิสูจน์แล้วว่า การวิเคราะห์พื้นฐานการวิเคราะห์ความผลที่น่าสนใจ