机译:一种改进的Adaboost算法,可减少人脸检测中的误报
Chung Ang Univ, GSAIM, Seoul, South Korea;
Chung Ang Univ, GSAIM, Seoul, South Korea;
Chung Ang Univ, GSAIM, Seoul, South Korea;
机译:网络入侵检测的促进算法:真正的Adaboost,温和Adaboost和适度Adaboost的比较评价
机译:从质谱法代谢组织数据中减少假阳性和假阴性复合鉴定的一步:用于构建提取的离子色谱图的新算法和检测色谱峰
机译:卷积神经网络模型减少老年人跌倒视频检测算法的误报
机译:结合多个特征表示和Adaboost集合学习,从而降低乳房X线照片群体计算机辅助检测的假阳性检测
机译:利用保留时间的排名机器学习算法结果导致在未标准的代谢组中减少假阳性匹配
机译:使用最小描述长度原则减少最佳拟合算法的误报率
机译:图5:表示为仰卧和易于采集(a)的累积值的CAD调查结果数。区分真正的正(TP,交叉阴影图案)和假正CAD标记(FP,对角线图案)。在FBP中减少了与标准剂量采集(SD)相比超级剂量采集(ULD)中的结肠病变(ULD)的检测,其中FBP还具有最大数量的假阳性(FP)和假阴性(FN)发现(B)。