基于低秩变异字典与逆投影组稀疏表示模型的乳腺肿瘤分类
计算机视觉与模式识别
2018-03-14 v1
摘要
稀疏表示分类通过为每个对象提供充足训练样本来解决识别问题，取得了良好效果。然而，SRC 对于小样本数据表现欠佳。本文提出一种基于构建低秩变异字典的逆投影组稀疏表示模型，用于乳腺肿瘤分类。所提低秩变异字典从检测和利用正常与患者基因表达谱中变异的角度处理肿瘤识别问题，而非直接使用这些样本。逆投影组稀疏表示模型基于充分利用已有样本及微阵列基因数据的组效应构建。在公共乳腺肿瘤微阵列基因表达数据集上的大量实验表明，所提技术可与最先进方法竞争。Breast-1、Breast-2 和 Breast-3 数据库的结果分别为 80.81%、89.10% 和 100%，优于最新文献。
引用
@article{arxiv.1803.04793,
title = {Low Rank Variation Dictionary and Inverse Projection Group Sparse Representation Model for Breast Tumor Classification},
author = {Xiaohui Yang and Xiaoying Jiang and Wenming Wu and Juan Zhang and Dan Long and Funa Zhou and Yiming Xu},
journal= {arXiv preprint arXiv:1803.04793},
year = {2018}
}
备注
31 pages, 14 figures, 12 tables. arXiv admin note: text overlap with arXiv:1803.03562