基于支持向量機的尿液粒子識別分類研究.pdf

1、隨著計算機技術和醫(yī)學診斷技術的交叉結合，計算機輔助診斷迅速發(fā)展起來，逐漸成為近年來的研究熱點之一。計算機輔助診斷可以協(xié)助醫(yī)生對醫(yī)學圖像進行判斷和識別，提高醫(yī)生診斷的準確率。 在經(jīng)過預處理、特征提取后，對醫(yī)學圖像的識別和分類主要應用模式識別的各種理論和方法。以往的分類方法基于傳統(tǒng)統(tǒng)計學，或基于樣本數(shù)目趨于無窮大時的漸進理論，如人工神經(jīng)網(wǎng)絡等分類方法；而實際應用中樣本的數(shù)目往往是有限的。于是，這些傳統(tǒng)方法常常被模型選擇與過學習問題、

2、非線性和維數(shù)災難問題、局部極小點問題等困擾。 支持向量機方法在1992-1995年提出，建立在統(tǒng)計學習理論的VC維理論和結構風險最小原理基礎上，它追求的是有限樣本情況下的最優(yōu)解，它的發(fā)展很好地解決了困擾傳統(tǒng)方法的諸多問題。因此，隨著其理論的不斷成熟和研究的不斷深入，受到了越來越多的重視。 本論文將支持向量機的機器學習方法引入到尿沉渣有形成分的分類問題。首先概述了支持向量機的理論基礎，著重介紹了統(tǒng)計學習理論的核心內(nèi)容、支持

3、向量機數(shù)學模型和核函數(shù)理論。同時介紹了支持向量機的研究進展，一些主要的改進支持向量機學習算法，分析了這些算法的特點。最后在提取尿沉渣有形成分特征的基礎上，對LIBSVM軟件包進行了研究，選用1-v-1方法將傳統(tǒng)支持向量機算法推廣到多分類。用設計好的支持向量機多分類器，采用交叉驗證法，同時做出交叉驗證精度的等高線圖進行支持向量機核函數(shù)及參數(shù)的選擇，根據(jù)支持向量機和數(shù)據(jù)集特點，采用兩級分類器集成，經(jīng)過多次實驗取得了較好的分類準確率。在幾種尿