用于皮肤病变皮肤镜图像中恶性黑色素瘤识别的动态递归树划分
应用统计
2016-07-14 v1
摘要
本文定义了多值数据或多值变量。当数据产生过程中存在固有的不确定性时，例如由于测量仪器不精确、图像识别或人类判断等，这类数据是典型的。\noindent 迄今为止，符号数据分析文献中的贡献提供了数据预处理准则，允许使用标准方法，如因子分析、聚类、判别分析以及基于树的方法。作为替代，本文引入了一种用于监督分类的方法论，即所谓的动态分类树 (D-CLASS TREE)，可同时处理标准数据与多值数据。为此，将定义一种具有树生长算法的创新划分准则。主要结果是一种以二元与三元划分同时存在为特征的动态树结构。将考虑一个真实世界案例研究，以展示所提方法的优势及最终结果解释的主要问题。还将展示与处理相同类型数据的其他方法的比较研究。D-CLASS TREE 在准确率方面优于其竞争者，这是预测学习的一个基本方面。
引用
@article{arxiv.1607.03765,
title = {Dynamic recursive tree-based partitioning for malignant melanoma identification in skin lesion dermoscopic images},
author = {Roberta Siciliano and Massimo Aria and Antonio D'Ambrosio and Valentina Cozza},
journal= {arXiv preprint arXiv:1607.03765},
year = {2016}
}