聂亚娜
- 作品数：3 被引量：12H指数：2
- 供职机构：西安科技大学电气与控制工程学院更多>>
- 相关领域：自动化与计算机技术更多>>
- PSO-SVM算法在肝脏B超图像识别中的应用被引量：4
- 2012年
- 为提高肝脏B超图像的诊断准确率,研究了将粒子群算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vec-tor Machine,SVM)相结合进行肝脏B超图像识别的方法;该方法首先提取肝脏B超图像的空域和频域的纹理特征,然后运用SVM对108幅肝脏B超图像进行分类,利用PSO算法优化SVM的模型参数,最后将该方法与基于网格搜索法优化的SVM和基于BP神经网络的分类方法进行了对比;实验结果表明,在PSO-SVM算法下,所提取的两种纹理特征相结合能够有效地描述肝脏B超图像,基于粒子群优化算法的支持向量机模型具有较高的识别精度,平均分类准确率达94.44%,这就表明PSO-SVM算法适用于对肝脏B超图像的识别。
- 付燕聂亚娜靳玉萍
- 关键词：粒子群优化算法灰度共生矩阵小波变换
- 支持向量机在肝脏B超图像分类中的应用研究
- 通常，临床医师根据经验凭肉眼对肝脏B超图像进行观察和判断。受观察者疏忽、诊断水平的限制等因素的影响，并且超声图像的灰度级对比度较低，使得人的视觉分辨较为困难，容易产生视觉疲劳，从而造成漏诊或误诊。因此需要建立一种客观的方...
- 聂亚娜
- 关键词：支持向量机粒子群优化算法K均值聚类BP神经网络
- 文献传递
- 基于SVM的肝脏B超图像纹理分类被引量：7
- 2012年
- 在支持向量机SVM的基础上,提出一种肝脏B超图像纹理分类方法。该方法首先提取肝脏B超图像的空域和频域的纹理特征,然后运用SVM分类,寻找分类的最佳特征组合,最后将该方法与BP神经网络的分类方法进行了对比。实验结果表明,所得到的最佳特征组合能有效地区分正常肝脏和病变肝脏,利用该方法可以得到更高的分类精度和更稳定的性能。
- 付燕聂亚娜靳玉萍
- 关键词：直方图灰度共生矩阵傅里叶变换小波变换
