改进的FSVM结合语义特征的甲状腺图像分类方法

发布时间：2018-07-17 15:58

【摘要】：由于甲状腺发病率高且图像良恶性难以分辨,提出一种改进模糊支持向量机(FSVM)结合语义特征的甲状腺图像分类方法。通过概率潜在语义分析(PLSA)模型对给定的图像训练样本提取语义特征,输入到FSVM中进行分类。其中隶属度是影响FSVM分类精确性的关键,故对其进行改进,在考虑样本点到类中心距离的基础上,对样本点间的紧密度也进行了估计。利用训练生成不同的FSVM测试图像,采用集成方法将分类结果集成,避免了单分类器的分类误差。实验结果表明,该方法可获得较好的分类结果。
[Abstract]:Because of the high incidence of thyroid and the difficulty of distinguishing benign and malignant images, an improved fuzzy support vector machine (FSVM) combined with semantic features is proposed for thyroid image classification. A probabilistic latent semantic analysis (PLSA) model is used to extract semantic features from a given image training sample and input them into FSVM for classification. The membership degree is the key to the accuracy of FSVM classification, so it is improved. Based on the distance from the sample points to the center of the class, the compactness between the sample points is estimated. Different FSVM test images are generated by training and the classification results are integrated by the ensemble method to avoid the classification error of single classifier. The experimental results show that this method can obtain better classification results.
【作者单位】： 河北大学电子信息工程学院;河北大学经济学院;
【基金】：河北省卫生厅科研基金项目(20120395)
【分类号】：R310;TP391.41

【参考文献】

相关期刊论文 前7条

1 张建飞;陈树越;刘会明;胡楠;;基于支持向量机的交通视频人车识别研究[J];电视技术;2011年15期

2 张壮暑;蔡晓东;张学敏;;监控视频中运动目标识别分类系统研究[J];电视技术;2012年23期

3 宋余庆;谢从华;朱玉全;李存华;陈健美;王立军;;基于近似密度函数的医学图像聚类分析研究[J];计算机研究与发展;2006年11期

4 陈健美;宋顺林;朱玉全;宋余庆;陈耿;程鹏;桂长青;;一种基于贝叶斯和神经网络的医学图像组合分类方法[J];计算机科学;2008年03期

5 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

6 李莉;木拉提·哈米提;;医学影像数据分类方法研究综述[J];中国医学物理学杂志;2011年06期

7 滕卫平;;甲状腺癌规范化诊治及医源性甲减研讨会纪要[J];中华内分泌代谢杂志;2007年06期

【共引文献】

相关期刊论文 前10条

1 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期

2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期

3 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期

4 武素华;;基于最小二乘支持向量机的土壤含水量检测的研究与分析[J];安徽农业科学;2009年09期

5 陈念;沈佐民;;基于化学成分检测和SVM分类的茶叶品质鉴定[J];安徽农业科学;2010年15期

6 黄远顺;;矫直机的自动故障预报技术[J];安徽冶金;2012年01期

7 林春丽;齐欣;王克成;;SVM-KNN分类器在异常行为检测中的应用[J];辽宁科技大学学报;2010年05期

8 王亮;胡静涛;;基于LS-SVM的光刻过程R2R预测控制方法[J];半导体技术;2012年06期

9 梁万路;;代价敏感支持向量机的投影次梯度求解方法[J];兵工自动化;2011年04期

10 高学金;王普;孙崇正;易建强;张亚庭;张会清;;一种建立发酵过程模型的新方法[J];北京工业大学学报;2006年05期

相关会议论文 前10条

1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

2 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年

3 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年

4 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年

5 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年

6 吴静珠;刘翠玲;孙晓容;;支持向量机在近红外光谱检测技术中的应用研究[A];第二十九届中国控制会议论文集[C];2010年

7 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年

8 杨坤;纪志成;;基于峰值识别的改进SVM用电需求预测[A];中国自动化学会控制理论专业委员会B卷[C];2011年

9 晋朝勃;胡刚强;史广智;李玉阳;;一种采用支持向量机的水中目标识别方法[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年

10 郭玮;李智勇;朱晟;孙慧;;支持向量机在变压器油溶解气体检测中的应用[A];第一届电力安全论坛优秀论文集[C];2008年

相关博士学位论文 前10条

1 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年

2 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年

3 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年

4 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年

5 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年

6 李先锋;基于特征优化和多特征融合的杂草识别方法研究[D];江苏大学;2010年

7 刘卫红;垃圾邮件检测与过滤关键技术研究[D];华南理工大学;2010年

8 汪春梅;癫痫脑电信号特征提取与自动检测方法研究[D];华东理工大学;2011年

9 张目;高技术企业信用风险影响因素及评价方法研究[D];电子科技大学;2010年

10 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年

相关硕士学位论文 前10条

1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年

2 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年

3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年

4 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年

5 姜成玉;基于支持向量机的时间序列预测[D];辽宁师范大学;2010年

6 姜念;区间自适应粒子群算法研究及其应用[D];郑州大学;2010年

7 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年

8 辛保兵;既有预应力混凝土梁桥剩余承载力评估方法研究[D];郑州大学;2010年

9 王巧立;微生物发酵过程的建模与优化控制研究[D];郑州大学;2010年

10 刘松;基于OCSVM和主动学习的DDOS攻击分布式检测系统[D];郑州大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 曹治锦,唐慧明;视频图像中的车辆检测跟踪和分类[J];电视技术;2004年03期

2 李波,曾致远,付祥胜;基于数学形态学和边缘特征的车牌定位算法[J];电视技术;2005年07期

3 张建飞;陈树越;刘会明;胡楠;;基于支持向量机的交通视频人车识别研究[J];电视技术;2011年15期

4 刘丽丽;邹北骥;刘相滨;傅红普;;视频监控系统中的运动目标分类技术研究[J];工程图学学报;2007年06期

5 宋余庆;谢从华;朱玉全;李存华;陈健美;王立军;;基于近似密度函数的医学图像聚类分析研究[J];计算机研究与发展;2006年11期

6 陈健美;宋顺林;朱玉全;宋余庆;陈耿;程鹏;桂长青;;一种基于贝叶斯和神经网络的医学图像组合分类方法[J];计算机科学;2008年03期

7 刘茂福;何炎祥;胡慧君;;图像挖掘中基于Zernike矩的形状特征描述与评价[J];计算机工程;2006年22期

8 王大玲;鲁家乐;吴霜;张一飞;于戈;;图像分类与聚类算法在医学图像挖掘中的应用[J];计算机工程;2007年02期

9 汪海锐;李伟;;基于关联规则的决策树算法[J];计算机工程;2011年09期

10 周涛;蒋芸;王勇;张国荣;王明芳;明利特;;基于小波神经网络的医学图像分类方法[J];计算机应用;2010年10期

相关硕士学位论文 前1条

1 崔江;行驶车辆图像检测技术研究[D];南京航空航天大学;2003年

【相似文献】

相关期刊论文 前4条

1 Steiner E ,颜志平;采用数字录像透视摄取胃肠道直接数字化点片[J];国外医学(消化系疾病分册);1990年02期

2 李莉;木拉提·哈米提;;医学影像数据分类方法研究综述[J];中国医学物理学杂志;2011年06期

3 赵杰;万丹丹;门国尊;;改进的FSVM结合语义特征的甲状腺图像分类方法[J];电视技术;2014年05期

4 ;[J];;年期

相关会议论文 前10条

1 郑海红;曾平;;一种基于图像分类的逆半调算法[A];’2004计算机应用技术交流会议论文集[C];2004年

2 文振q;欧阳杰;朱为总;;基于语义特征与支持向量机的图像分类[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

3 王海峰;管亮;;基于颜色特征的图像分类技术在油品分析中的应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

4 陈思坤;吴洪;;基于图分块并利用空间金字塔的医学图像分类[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

5 张淑雅;赵晓宇;赵一鸣;李均利;;基于SVM的图像分类[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 李博;韩萍;;基于压缩感知和SVM的极化SAR图像分类[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

7 朱松豪;胡娟娟;孙伟;;基于非欧空间高阶统计的图像分类方法[A];第25届中国控制与决策会议论文集[C];2013年

8 潘海为;李建中;张炜;;基于像素聚类的脑部医学图像分类[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

9 吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 武进;尹恺;王长明;张家才;;SVDM在蔬菜病害图像分类中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

相关博士学位论文 前10条

1 赵鑫;图像分类中的判别性增强研究[D];中国科学技术大学;2013年

2 杨冰;基于艺术风格的绘画图像分类研究[D];浙江大学;2013年

3 丁建睿;基于多示例学习的浅表器官超声图像分类方法研究[D];哈尔滨工业大学;2012年

4 贾世杰;基于内容的商品图像分类方法研究[D];大连理工大学;2013年

5 李晓旭;基于概率主题模型的图像分类和标注的研究[D];北京邮电大学;2012年

6 王海江;极化SAR图像分类方法研究[D];电子科技大学;2008年

7 周晓光;极化SAR图像分类方法研究[D];国防科学技术大学;2008年

8 韩东峰;图像分类识别中特征及模型的若干问题研究[D];吉林大学;2008年

9 白有茂;基于张量流形学习的图像分类技术研究[D];中国矿业大学（北京）;2013年

10 龙显忠;矩阵分解方法在图像分类中的应用研究[D];上海交通大学;2014年

相关硕士学位论文 前10条

1 赵八一;基于概率图模型的图像分类和注释[D];大连理工大学;2010年

2 冀翠萍;基于内容的图像分类研究[D];山东师范大学;2008年

3 鲜艳明;多特征结合与支持向量机集成在图像分类中的应用[D];西安科技大学;2011年

4 周鸽;基于“词袋”模型的图像分类系统[D];苏州大学;2011年

5 杨楠;基于内容的商品图像分类技术研究[D];大连理工大学;2011年

6 吴军;基于正负模糊系统的图像分类的研究及其应用[D];江南大学;2012年

7 黄飞;基于局部不变特征的图像分类研究[D];北京邮电大学;2013年

8 刘程;基于词袋模型的图像分类技术研究[D];安徽大学;2014年

9 郝永宽;聚类分析在图像分类中的应用研究[D];内蒙古科技大学;2008年

10 陈佳琛;快速主动禁忌搜索及其在图像分类中的应用[D];复旦大学;2010年

，

本文编号：2130176