文主要对现代藏文音节结构进行了分析和研究,通过分析藏文的文字特点和拼写规律同时结合藏文正字法知识,对藏文正确的拼写结构进行了归纳和总结,同时依据小字符集编码方案对藏文音节不同的部件进行划分和确定,进而最终达到对藏文音节结构进行判断和识别藏文音节结构中不同的部件。 2藏文拼写特点在现代藏文文本中，各部件按照藏文正字法组成藏文音节，正字法规定了一套严格而完整的部件构造规则。但是也存在极少部分不符合藏文正字法的音节，这些音节可称为梵音藏文。由于梵音藏文不具备规律性，且在藏文文本中出现的频率较低，所以本文的研究主要针对现代藏文。根据藏文部件构造规则，藏文音节字横向上最长为4个字符位置，纵向上可最多存在4层叠加，横向和纵向以基字为中心，藏文的一个音节最多可以包含7个部件［3］。藏文音节结构如图1所示乳腺癌是女性的高发癌症,威胁着全球女性的身体健康,因此乳腺癌良恶性研究与决策对于女性乳腺癌的诊断有着重要作用。本文研究提出了一种新的信息融合框架,用于对乳腺癌良恶性进行分类和预测,该框架首先对乳腺超声影像感兴趣区域提取纹理特征,之后对得到的纹理特征数据集使用4个基本分类器:朴素贝叶斯、决策树本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 、影像辅助决策研究-数控滚圆机滚弧机折弯机张家港倒角机液压滚圆机滚弧机SVM、KNN进行分类,对基本分类器的分类结果使用投票法进行决策,最后对分类器信息进行融合,并将4个基本分类器的分类结果与基于信息融合的分类器模型结果进行比较。通过实验确定,与单独的分类器相比,基于决策的分类器方法实现了较高的准确度和较低的分类错误率。 分类器在训练集上的准确率为95．43%，在测试集上的准确率为89．33%，AUC值为96．77%;决策树分类器在训练集上的准确率为100%，在测试集上的准确率为90．67%，AUC值为90．14%;此外，SVM分类器在训练集上的准确率为84．57%，在测试集上的准确率为85．33%，AUC值为94．83%;使用投票法对4种分类器做基于决策的数据融合分类模型，在训练集上的准确率为99．43%，在测试集上的准确率为93．33%，AUC值为97．65%。图24种基本分类器和融合分类模型结果示意对比图Fl4种基本分类器和投票法分类模型的AUC值折线图和准确率折线图如图3、图4所示。图34种基本分类器和融合分类模型AUC值对比图Fig．图44种基本分类器和融合分类模型准确率对比图Fig．4Com由图3和图4可知，相比于单个分类器的分类效果，本文使用的融合了多个分类器的投票法模型有更高的AUC值和准确率。本文使用的投票法模型具有较高的准确率，对临床上的乳腺超声影像识别有着重要意义。3结束语本文针对乳腺超声影像感兴趣区域进行了纹理49智能计算机与应用第影像辅助决策研究-数控滚圆机滚弧机折弯机张家港倒角机液压滚圆机滚弧机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/