来源:蜘蛛抓取(WebSpider)
时间:2016-10-23 02:51
标签:
饲料分析与检测技术
您所在位置: &
 &  & 
基于fsvm的学图像奇异点检测算法研究.pdf82页
本文档一共被下载:
次 ,您可全文免费在线阅读后下载本文档。
文档加载中...广告还剩秒
需要金币:280 &&
基于fsvm的学图像奇异点检测算法研究
你可能关注的文档:
··········
··········
摘要 摘要 研制和开发计算机辅助诊断系统是医学图像处理的一个热点。为了解
决目前微钙化点检测中普遍存在的假阳性高和效率低的问题,本文提出将
改进的SVM算法应用到微钙化点检测问题中,帮助医疗工作者提高诊断的
准确率,是非常有意义的。所作的工作主要包括以下几点: 1 针对经典支持向量机算法存在的问题,为了解决训练速度和训练样
本集规模之间的矛盾以及分类速度和支持向量个数之间的矛盾,构造可拒
绝的支持向量机,提出了柔性支持向量机FSVM算法。 2 针对目前的增强算法存在的增强钙化点的同时也增强了正常的背景
组织的问题,为便于医生对病灶或感兴趣区域正确地诊断,提出了基于目
标特征的非线性灰度重分布图像增强算法。 3 为了提高微钙化点检测的效率,提出了基于D.S证据理论和FSVM
的感兴趣区域检测,通过逐步减少待处理目标,提高检测效率。 4 为了提高微钙化点检测的真阳性,降低假阳性,提出了基于迭代顺
序滤波子空间约束和FSVM的微钙化点检测方法。利用迭代顺序滤波法作
为粗检测器,将粗检测误检的非钙化点样本用来训练FSVM,获得具有更
高鉴别能力的分类器,有利于提高检测精度,同时可排除大量非钙化点样
本,有利于提高检测效率。
关键词支持向量机;柔性支持向量机;D.s证据理论;顺序滤波器;微钙 化点检测 燕山大学工学硕士学位论文 Abstract Researchand of isahot developmentcomputer―assisteddiagnosissystem intheareaofmedical the of the
topic imageprocessing.Onpurposesolving of
false rateandlow inmicrocalcification high positive efficiency
detection,an vectormachinecalledflexibleSVM improvedsupport proposed to
hereisintroduced help extremelymeaningful.mj
正在加载中,请稍后...