基于Python的细胞识别SVM模型参数优化方法研究

发布时间：2021-08-23 18:13

　　在医学诊断领域,细胞图像的自动分类能有效地提高医学诊断的准确率和速率。因此,细胞图像的自动分类是当前学界研究的重点。由于细胞图像存在复杂的高维特性,而SVM作为一种优秀的自动分类算法,能很好地解决图像的高维特性差的问题,因此,在图像分类的实际应用中被广泛采用。实现细胞图像识别分类的关键是构造性能良好的SVM分类器,而选择有效的SVM核函数参数是构造高性能SVM分类器的主要因素。因此,学界将SVM的核函数参数优化问题作为当前研究的重点。近些年来提出许多算法来自动优化SVM核参数,如网格搜索算法、粒子群算法等。在很大程度上实现了细胞图像的自动分类,但是由于这些SVM参数优化算法的计算量过大,参数优化精度未能达到更优,导致SVM建模速度缓慢,识别精度不够高等一些问题的出现。因此本文也从SVM参数优化方法的角度出发,提出一种基于Python的细胞识别SVM模型参数优化方法。该算法主要是结合Python语言的优点编写优化算法和整个细胞识别分类系统功能模块,优化算法是结合变网格搜索法和量子粒子群QPSO的混合算法对SVM的参数进行寻优。先利用变网格搜索法进行参数寻优,由大网格在大区域内搜索参数,缩... 

【文章来源】：齐鲁工业大学山东省

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 课题的目的及意义
    1.3 国内外研究现状
    1.4 论文的主要结构安排
第2章 基于Python的细胞识别分类系统的图像处理
    2.1 Python简介
        2.1.1 Python语言的概述
        2.1.2 Python语言的特点
    2.2 细胞识别分类系统整体方案设计
        2.2.1 系统基本要求
        2.2.2 系统基本原理
        2.2.3 系统的组成架构
        2.2.4 硬件系统
        2.2.5 软件系统
    2.3 细胞图像预处理
        2.3.1 细胞类型
        2.3.2 噪声种类
        2.3.3 图像去噪方法
        2.3.4 去噪实验
    2.4 细胞图像分割
        2.4.1 Otsu阈值法
        2.4.2 分水岭算法
        2.4.3 改进后的图像分割方法
    2.5 改进掩模法提取有效细胞核
    2.6 基于Python的细胞识别分类系统的图像处理
    2.7 本章小结
第3章 基于Python的图像特征提取
    3.1 特征提取概述
    3.2 细胞特征选择
        3.2.1 几何特征
        3.2.2 纹理特征
    3.3 特征提取结果
        3.3.1 几何特征提取
        3.3.2 纹理特征提取
    3.4 细胞特征参数的标准化
        3.4.1 归一化方法
        3.4.2 归一化处理
    3.5 基于Python的图像特征提取
    3.6 本章小结
第4章 基于Python的 SVM参数优化方法
    4.1 SVM的介绍
        4.1.1 SVM的基本理论
        4.1.2 SVM的原理
        4.1.3 SVM的基本思想
        4.1.4 SVM的优点
    4.2 核函数选取及其参数
    4.3 交叉验证
    4.4 SVM参数优化方法选择
        4.4.1 网格搜索法
        4.4.2 粒子群(PSO)算法
        4.4.3 变网格-量子粒子群(VGS-QPSO)算法
    4.5 基于Python的 SVM参数优化
    4.6 本章小结
第5章 基于SVM的细胞图像分类实验
    5.1 数据集描述
    5.2 基于网格法参数寻优的SVM分类结果
    5.3 基于粒子群算法参数寻优的SVM分类结果
    5.4 基于改进的VGS-QPSO参数寻优的SVM分类结果
    5.5 三种参数优化算法的结果比较
    5.6 本章小结
第6章 总结与展望
参考文献
致谢
在学期间主要科研成果


【参考文献】：
期刊论文
[1]基于Pygame的壁球游戏的设计与开发[J]. 杜兰,陈琳琳,黄祎静.  电子技术与软件工程. 2018(22)
[2]基于OpenCV-Python的图像分割技术的设计与应用研究[J]. 陈之尧.  中国新通信. 2018(19)
[3]探究C++编程中常见问题与解决对策[J]. 吴璇.  信息技术与信息化. 2018(08)
[4]基于深度学习的医学图像识别研究进展[J]. 刘飞,张俊然,杨豪.  中国生物医学工程学报. 2018(01)
[5]一种优化参数的支持向量机驾驶意图识别[J]. 李慧,李晓东,宿晓曦.  实验室研究与探索. 2018(02)
[6]基于Python的动态语言特点探讨[J]. 谢生锋.  电脑知识与技术. 2017(33)
[7]具有去除椒盐噪声能力的改进双边滤波算法[J]. 周航,韩权.  北京交通大学学报. 2017(05)
[8]数字图像迭代均值滤波降噪算法[J]. 高欣欣,倪念勇,孙波.  湖南文理学院学报(自然科学版). 2017(02)
[9]基于Python的简单网络爬虫的实现[J]. 戚利娜,刘建东.  电脑编程技巧与维护. 2017(08)
[10]白细胞自动分类系统的设计[J]. 齐天白.  中国医学装备. 2017(03)

硕士论文
[1]宫颈细胞图像特征分析与自动识别方法研究[D]. 许璇.哈尔滨理工大学 2017
[2]一种多分类器融合的单个宫颈细胞图像分割、特征提取和分类识别方法研究[D]. 李文杰.广西师范大学 2016
[3]动脉壁纹理特征提取及分类算法研究与实现[D]. 孙风雷.武汉理工大学 2014
[4]基于核方法的手写体数字识别研究[D]. 魏兴国.南京理工大学 2003



本文编号：3358356