TY -的A2 Moraru Luminita AU -史,Xiaonan AU -邓,永盟,方亦歌AU - Chen Yajuan盟曾,倪AU - Fu,丽美PY - 2022 DA - 2022/02/22 TI -溶血图像检测方法基于GAN-CNN-ELM SP - 1558607六世以来- 2022 AB -手动溶血试验方法与实践经验为主,其成本高,溶血图像的特点进行了研究。溶血的图像检测方法基于生成对抗网络(甘斯)和卷积神经网络(cnn)和极端学习机(ELM)提出。第一,增强图像增强和数据样本集,执行和GAN用于扩大样本数据量。第二,CNN是用来提取特征向量的图像处理和标签与一个炎热的编码特征向量。第三,功能矩阵的输入映射在榆树网络减少错误并通过培训获得最佳的重量。最后,图像检测是训练模型,输入和图像以最大的概率被选中作为最后的类别。通过模型对比试验,结果表明,溶血图像检测方法基于GAN-CNN-ELM模型比GAN-CNN, GAN-ELM, GAN-ELM-L1, GAN-SVM, GAN-CNN-SVM, CNN-ELM在精度和速度,准确率为98.91%。SN - 1748 - 670 - 2022/1558607 / 10.1155 x你——https://doi.org/10.1155/2022/1558607——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER