阿达姆松大连分析检测有限公司公司

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： &
&nbsp&&nbsp&nbsp&&nbsp
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...

我要回帖

更多关于 饲料分析与检测技术 的文章

 

随机推荐