基于改進(jìn)的多核支持向量機(jī)的醫(yī)學(xué)圖像挖掘研究.pdf

1、乳腺癌是一種對(duì)女性身體和心理健康都會(huì)產(chǎn)生嚴(yán)重危害的常見(jiàn)的惡性腫瘤，目前在乳腺癌的臨床診斷方法中，影像診斷是最適合適齡女性的乳腺癌早期診斷方法，但是醫(yī)生肉眼很難發(fā)現(xiàn)醫(yī)學(xué)圖像中的隱匿信息。隨著互聯(lián)網(wǎng)的迅猛發(fā)展，在線(xiàn)醫(yī)療診斷成為必然，對(duì)海量醫(yī)學(xué)圖像使用高效的數(shù)據(jù)挖掘方法進(jìn)行快速的診斷和鑒別，提高醫(yī)學(xué)圖像分類(lèi)準(zhǔn)確率，盡量避免發(fā)生醫(yī)生誤判，提高醫(yī)生的工作效率已經(jīng)成為計(jì)算機(jī)輔助醫(yī)療診斷的重要研究領(lǐng)域。
　　本文主要從數(shù)據(jù)挖掘的角度，研究多類(lèi)別

2、分類(lèi)方法、多核支持向量機(jī)、有向無(wú)環(huán)圖多核支持向量機(jī)以及基于分布式模式下的節(jié)點(diǎn)選擇有向無(wú)環(huán)圖多核支持向量機(jī)，并將它們分別應(yīng)用于醫(yī)學(xué)圖像挖掘。本文所做的主要工作如下：
　　(1)提出了樣本加權(quán)合成多核多類(lèi)別分類(lèi)方法。通過(guò)單個(gè)核函數(shù)對(duì)樣本的擬合以及適應(yīng)能力，對(duì)每一個(gè)核函數(shù)進(jìn)行加權(quán)，從而得到本文的基于樣本加權(quán)的合成多核決策函數(shù)，使用一種固定的樣本學(xué)習(xí)方法獲得每一個(gè)單核函數(shù)的加權(quán)權(quán)重系數(shù)，克服了單個(gè)核函數(shù)在一些繁雜的情況下組成的核方法并不能

3、完全適應(yīng)如數(shù)據(jù)出現(xiàn)異構(gòu)或者數(shù)據(jù)不規(guī)則、樣本數(shù)量龐大、樣本的分布不均勻等實(shí)際應(yīng)用中的需求問(wèn)題。將多個(gè)核函數(shù)按照一定的方法進(jìn)行組合，以期望得到較好的分類(lèi)結(jié)果是今后的發(fā)展趨勢(shì)。將新算法分別在多組UCI機(jī)器學(xué)習(xí)標(biāo)準(zhǔn)數(shù)據(jù)集和MIAS乳腺X光醫(yī)學(xué)圖像標(biāo)準(zhǔn)數(shù)據(jù)集上做分類(lèi)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明與傳統(tǒng)的單核多類(lèi)別分類(lèi)方法以及多核多類(lèi)別分類(lèi)方法相比，新方法具有較高的分類(lèi)準(zhǔn)確率。
　　(2)提出了基于節(jié)點(diǎn)選擇的樣本加權(quán)合成多核多類(lèi)別分類(lèi)方法。由于對(duì)于N類(lèi)別

4、分類(lèi)問(wèn)題，有向無(wú)環(huán)圖樣本加權(quán)合成多核支持向量機(jī)（DAG-WSMKSVM）會(huì)構(gòu)造N*(N-1)/2個(gè)樣本加權(quán)合成多核支持向量機(jī)分類(lèi)器（為每?jī)蓚€(gè)類(lèi)構(gòu)造一個(gè)樣本加權(quán)合成多核支持向量機(jī)），然而有向無(wú)環(huán)圖樣本加權(quán)合成多核支持向量機(jī)可能出現(xiàn)由于節(jié)點(diǎn)選擇不佳導(dǎo)致整個(gè)分類(lèi)器最終分類(lèi)結(jié)果較差的情況。針對(duì)以上問(wèn)題，本文提出的基于節(jié)點(diǎn)選擇優(yōu)化的有向無(wú)環(huán)圖樣本加權(quán)合成多核支持向量機(jī)（NSDAG-WSMKSVM)），通過(guò)為每一層建立備選節(jié)點(diǎn)集合進(jìn)行節(jié)點(diǎn)選擇，選取

5、下層備選節(jié)點(diǎn)集合中訓(xùn)練分類(lèi)準(zhǔn)確率最高的一個(gè)節(jié)點(diǎn)組合作為當(dāng)前層節(jié)點(diǎn)的下層節(jié)點(diǎn)，從而優(yōu)化有向無(wú)環(huán)圖樣本加權(quán)合成多核支持向量機(jī)的拓?fù)浣Y(jié)構(gòu)，獲得較好的訓(xùn)練和分類(lèi)效果。實(shí)驗(yàn)結(jié)果表明，與已有的方法相比，本文提出的方法對(duì)于UCI數(shù)據(jù)集以及多類(lèi)別MIAS乳腺X光醫(yī)學(xué)圖像分類(lèi)問(wèn)題的分類(lèi)準(zhǔn)確率有明顯提高。
　　(3)提出了基于分布式模式下的節(jié)點(diǎn)選擇有向無(wú)環(huán)圖樣本加權(quán)合成多核支持向量機(jī)方法。針對(duì)基于節(jié)點(diǎn)選擇有向無(wú)環(huán)圖樣本加權(quán)合成多核支持向量機(jī)分類(lèi)方法的