基于集成学习的中医舌色分类研究
发布时间：2021-08-28 19:53
基于机器学习的舌图像的颜色分类是中医舌诊现代化的重要内容。将舌体颜色地进行分类是实现中医舌诊客观化的关键步骤,也为后续中医自动辅助诊断奠定基础。在目前有关舌色自动分类的文献中,一般都是采用单一分类器进行。为了进一步提高舌色分类的准确度,本论文采用集成学习方法对舌色分类进行研究,本论文主要的主要工作如下。1、确定舌图像颜色特征。本文对比了RGB、Lab、HSV色彩模型,最终选择了Lab与HSV共同作为舌图像的颜色特征。对于舌图像来说,苔色往往影响着舌体颜色的判断,本文使用k-means方法对这部分舌图像进行了苔质分离。以便于后续舌体颜色的提取和判断。而后对分割后的舌图像进行样本子块的手动选取,以增加样本总量。在分类方法的选取方面,集成学习是将多个分类器的优点进行组合,它往往可以得到比单一分类器更优越的性能。因此本文选择集成学习方法作为本文的基础研究方法,而后通过对集成学习方法中的代表方法进行实验对比,选择了boosting方法中的代表算法Adaboost方法作为本文主要研究方法。2、提出DataBoost-IM结合GE-SMOTE的方法对舌图像数据不平衡问题进行处理。舌图像样本类间样本数...
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
RGB颜色模型
图 2-2 Lab 颜色矩阵Fig 2-2Lab color model不能直接转换为 CIELab 色彩模型，需要借助是先将 RGB 颜色空间转换到 XYZ 颜色空间ab 颜色空间。转换关系如公式 2-1 至 2-3 所ab 颜色模型中将舌质进行分类，每一种舌色
图 2-3 舌图像 CIELab 特征直方图Fig.2-3. CIELab histogram of the tongue imageSV 色彩模型 R. Smith 在 1978 年创建的一种颜色空间根据颜色的直观特性的 HSV 色彩模型, 由于其模型为六角锥形因此也被称作六角锥体 2-4 所示。这个模型中也同样具有三个颜色的参数，分别是表示表示饱和度的分量 S，和表示明度的分量 V。H 分量用角度度量-360°，按逆时针方向计算，从 0°所表示的红色，60°所表示所表示的绿色，180°所表示的青色，再到 240°所表示的蓝色的品红色。S 分量表示颜色接近光谱色的程度，通常取值范围为 0将一种颜色看成是某种光谱色与白色的混合色，光谱色本身的白最高的饱和度。所以一个颜色中光谱色所占的比例越大，颜色本身，也就是这种颜色越鲜艳，其饱和度也就越高。其值越大，
【参考文献】：
期刊论文
[1]非平衡数据集中的特征选择方法和三支分类算法研究[J]. 刘杰,苏慧哲,李艳翠. 河南科技学院学报(自然科学版). 2018(05)
[2]一种改进过采样的不平衡数据集成分类算法[J]. 张菲菲,王黎明,柴玉梅. 小型微型计算机系统. 2018(10)
[3]基于AdaBoost改进随机森林的高光谱图像地物分类方法研究[J]. 陈伟民,张凌,宋冬梅,王斌,丁亚雄,许明明,崔建勇. 遥感技术与应用. 2018(04)
[4]基于舌诊数字化的中医体检系统的研究[J]. 祁建松,吴学会. 天津中医药大学学报. 2018(03)
[5]基于Cascade Adaboost分类器的马铃薯快速定位方法[J]. 汪成龙,黄余凤. 湖南农业科学. 2018(02)
[6]基于颜色特征的常见舌质舌苔分类识别[J]. 梁金鹏,杨浩,张海英. 微型机与应用. 2017(17)
[7]浅谈中医舌象客观化、定量化、标准化研究[J]. 黄淑琼,张云龙,周静,文磊. 中华中医药杂志. 2017(04)
[8]舌诊仪的发展及其在舌诊客观化研究中的应用现状[J]. 李丹溪,关静,李峰. 世界中医药. 2017(02)
[9]基于舌象图像分区指标的糖尿病疗效评价[J]. 黄景斌,许家佗,张志枫,屠立平,胡晓娟,崔骥,崔龙涛,荆聪聪,张建峰. 中华中医药杂志. 2017(03)
[10]基于双光源的舌质舌苔分离方法研究[J]. 王学民,吕元婷,王瑞云,陆小佐,周鹏. 纳米技术与精密工程. 2016(06)
博士论文
[1]舌数字图像颜色计算机分析与分类[D]. 黄勃.湖南中医药大学 2013
[2]舌色分类的量化研究[D]. 杨新宇.北京中医药大学 2012
[3]不平衡数据学习的研究[D]. 李军.吉林大学 2011
硕士论文
[1]基于卷积神经网络的图像分类方法研究[D]. 谢宝剑.合肥工业大学 2015
[2]中医舌象特征的提取与研究[D]. 孙晓琳.长春理工大学 2014
[3]在线学习的集成分类器研究[D]. 卞桂龙.浙江大学 2014
[4]中医舌苔厚薄的纹理分析[D]. 唐荣生.哈尔滨工业大学 2007
本文编号：3369142
【文章来源】：北京工业大学北京市 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
RGB颜色模型
图 2-2 Lab 颜色矩阵Fig 2-2Lab color model不能直接转换为 CIELab 色彩模型，需要借助是先将 RGB 颜色空间转换到 XYZ 颜色空间ab 颜色空间。转换关系如公式 2-1 至 2-3 所ab 颜色模型中将舌质进行分类，每一种舌色
图 2-3 舌图像 CIELab 特征直方图Fig.2-3. CIELab histogram of the tongue imageSV 色彩模型 R. Smith 在 1978 年创建的一种颜色空间根据颜色的直观特性的 HSV 色彩模型, 由于其模型为六角锥形因此也被称作六角锥体 2-4 所示。这个模型中也同样具有三个颜色的参数，分别是表示表示饱和度的分量 S，和表示明度的分量 V。H 分量用角度度量-360°，按逆时针方向计算，从 0°所表示的红色，60°所表示所表示的绿色，180°所表示的青色，再到 240°所表示的蓝色的品红色。S 分量表示颜色接近光谱色的程度，通常取值范围为 0将一种颜色看成是某种光谱色与白色的混合色，光谱色本身的白最高的饱和度。所以一个颜色中光谱色所占的比例越大，颜色本身，也就是这种颜色越鲜艳，其饱和度也就越高。其值越大，
【参考文献】：
期刊论文
[1]非平衡数据集中的特征选择方法和三支分类算法研究[J]. 刘杰,苏慧哲,李艳翠. 河南科技学院学报(自然科学版). 2018(05)
[2]一种改进过采样的不平衡数据集成分类算法[J]. 张菲菲,王黎明,柴玉梅. 小型微型计算机系统. 2018(10)
[3]基于AdaBoost改进随机森林的高光谱图像地物分类方法研究[J]. 陈伟民,张凌,宋冬梅,王斌,丁亚雄,许明明,崔建勇. 遥感技术与应用. 2018(04)
[4]基于舌诊数字化的中医体检系统的研究[J]. 祁建松,吴学会. 天津中医药大学学报. 2018(03)
[5]基于Cascade Adaboost分类器的马铃薯快速定位方法[J]. 汪成龙,黄余凤. 湖南农业科学. 2018(02)
[6]基于颜色特征的常见舌质舌苔分类识别[J]. 梁金鹏,杨浩,张海英. 微型机与应用. 2017(17)
[7]浅谈中医舌象客观化、定量化、标准化研究[J]. 黄淑琼,张云龙,周静,文磊. 中华中医药杂志. 2017(04)
[8]舌诊仪的发展及其在舌诊客观化研究中的应用现状[J]. 李丹溪,关静,李峰. 世界中医药. 2017(02)
[9]基于舌象图像分区指标的糖尿病疗效评价[J]. 黄景斌,许家佗,张志枫,屠立平,胡晓娟,崔骥,崔龙涛,荆聪聪,张建峰. 中华中医药杂志. 2017(03)
[10]基于双光源的舌质舌苔分离方法研究[J]. 王学民,吕元婷,王瑞云,陆小佐,周鹏. 纳米技术与精密工程. 2016(06)
博士论文
[1]舌数字图像颜色计算机分析与分类[D]. 黄勃.湖南中医药大学 2013
[2]舌色分类的量化研究[D]. 杨新宇.北京中医药大学 2012
[3]不平衡数据学习的研究[D]. 李军.吉林大学 2011
硕士论文
[1]基于卷积神经网络的图像分类方法研究[D]. 谢宝剑.合肥工业大学 2015
[2]中医舌象特征的提取与研究[D]. 孙晓琳.长春理工大学 2014
[3]在线学习的集成分类器研究[D]. 卞桂龙.浙江大学 2014
[4]中医舌苔厚薄的纹理分析[D]. 唐荣生.哈尔滨工业大学 2007
本文编号：3369142
本文链接：https://www.wllwen.com/yixuelunwen/zhxiyjh/3369142.html
