10.3969/j.issn.1005-3026.2013.08.009
基于代价敏感SVM优化组合算法的微钙化簇识别
微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.
微钙化簇检测、计算机辅助诊断、代价敏感学习、组合分类、粒子群优化、特征选择
34
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61001047;中央高校基本科研业务费专项资金资助项目N110618001
2015-07-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
1100-1104