2016
DOI: 10.26594/register.v2i1.443
|View full text |Cite
|
Sign up to set email alerts
|

Deteksi Kanker Kulit Melanoma dengan Linear Discriminant Analysis-Fuzzy k-Nearest Neigbhour Lp-Norm

Abstract: Seiring perkembangan teknologi dilakukan otomatisasi deteksi kanker kulit melalui citra dermoscopy. Pengambilan informasi fitur citra dermoscopy terganggu dengan outlier dan overfitting, karena faktor jenis kulit, penyebaran kanker yang tidak merata atau kesalahan sampling. Penelitian ini mengusulkan deteksi kanker kulit melanoma dengan mengintegrasikan metode fuzzy K-Nearest Neighbour (FuzzykNN), Lp-norm dan Linear Discriminant Analysis (LDA) untuk mengurangi outlier dan overfitting. Masukan berupa citra warn… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1
1

Citation Types

0
4
0
3

Year Published

2021
2021
2022
2022

Publication Types

Select...
3

Relationship

1
2

Authors

Journals

citations
Cited by 3 publications
(7 citation statements)
references
References 0 publications
0
4
0
3
Order By: Relevance
“…In this case, we applied RGBr as normalized color space from RGB. Some of color moments extraction is put in this phase as observed as well in the previous research [7,11]. All types of features extracted are explained in Table 1.…”
Section: Color Feature Extractionmentioning
confidence: 98%
See 3 more Smart Citations
“…In this case, we applied RGBr as normalized color space from RGB. Some of color moments extraction is put in this phase as observed as well in the previous research [7,11]. All types of features extracted are explained in Table 1.…”
Section: Color Feature Extractionmentioning
confidence: 98%
“…There are 200 skin images consist of two categories. In this paper, we used secondary dataset based on previous research [11,17]. The pixel dimension of skin lesion image is 15 × 15 × 3 in RGB (Red, Green, Blue) color space.…”
Section: A Datasetmentioning
confidence: 99%
See 2 more Smart Citations
“…Suatu metode yang berbasis ciri-ciri holistic (menyeluruh) dari citra wajah and LDA (linear discriminant analysis) yang disederhanakan diusulkan sebagai algoritma alternative dari pengenalan wajah [7].Sistem Metode pengelan wajah fisherface merupakan pengembangan dari metode eigenface, metode fisherface menggunakan fisher's linear Discriminant Analysis (FLD/LDA) untuk mereduksi dimensi runag fitur [8] Metode LDA lebih optimal untuk melakukan diskriminasi atau klasifikasi dibandingkan dengan PCA yaitu dengan memaksimalkan rasio penyebaran antar kelas terhadap penyebaran dalam kelas untuk memudahkan klasifikasi sehingga fisherface dapat digunakan ada dataset wajah dengan variasi yang besar [9]. Tahapan dalam metode LDA atau Fisherface hampis sama dengan metode PCA hanya saja ditambahkan proses perhitungan untuk mencari sebaran.…”
Section: Lda (Linear Discriminant Analysis)unclassified