9786139987955 - gaussian mixture model: application to medical image classification von kumar, a. vignesh; harikumar, r. (3 Ergebnisse)
- Softcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 68,32
EUR 11,67 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 1 verfügbar
Paperback. Zustand: Brand New. 8.70x6.02x0.28 inches. In Stock.
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 35,60
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Gaussian Mixture Model | Application to Medical Image Classification | A. Vignesh Kumar (u. a.) | Taschenbuch | 56 S. | Englisch | 2019 | LAP LAMBERT Academic Publishing | EAN 9786139987955 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]prei…gu[dot]de | Anbieter: preigu.
- Softcover
Anbieter: Buchpark, Trebbin, DeutschlandBuchpark
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Gebraucht
EUR 19,36
EUR 105,00 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Zustand: Hervorragend. Zustand: Hervorragend | Seiten: 56 | Sprache: Englisch | Produktart: Bücher | Gaussian Mixture Model (GMM) is the probabilistic model, it works well with the classification and parameter estimation strategy. In this Maximum Likelihood Estimation (MLE) based on Expectation Maximization (EM) is being used fo…r the parameter estimation approach and the estimated parameters are being used for the training and the testing of the images for their normality and the abnormality. With the mean and the covariance calculated as the parameters they are used in the Gaussian Mixture Model (GMM) based training of the classifier. Support Vector Machine a discriminative classifier and the Gaussian Mixture Model a generative model classifier are the two most popular techniques used in this work. The performance of the classification strategy of both the classifiers used have a better proficiency when compared to the other classifiers. By combining the SVM and GMM we could be able to classify at a better level since estimating the parameters through the GMM has a very few amount of features and hence it is not needed to use any of the feature reduction techniques.
