-
题名基于分组特征多核支持向量机的微钙化簇检测
被引量：3
- 1
-
-
作者
常甜甜
刘红卫
王宇
冯筠
-
机构
西安电子科技大学理学院
西安电子科技大学电子工程学院
西北大学信息科学与技术学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2010年第5期1159-1163,共5页
-
基金
国家自然科学基金(60603098
60873095)
中国博士后科学基金特别资助项目(200902599)
-
文摘
针对疑似区域内的乳腺微钙化簇和正常乳腺组织特征的多源性这个一直被忽略的问题,提出基于分组特征多核支持向量机(GF-SVM)的乳腺微钙化簇检测。特征被分组后针对不同源特征分别使用不同的核函数映射,组合成多核SVM。将多核SVM转化为半定规划问题,求解多核SVM的核函数权值系数。在训练样本的选择方面采用主动反馈学习方法最终得到稳定的样本模型。实验结果表明,与传统的基于单核SVM相比,该方法具有更好的检测性能。
-
关键词
多核
支持向量机
微钙化簇
半定规划
多源性
主动反馈学习
计算机辅助检测
-
Keywords
multiple kernel
support vector machine
microcalcification
semidefinite programming
heterogeneous
active feedback learning
computer-aided detection
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于K均值聚类和多核SVM的微钙化簇检测
被引量：1
- 2
-
-
作者
常甜甜
刘红卫
冯筠
-
机构
西安电子科技大学理学院
西北大学信息技术学院
-
出处
《计算机科学》
CSCD
北大核心
2009年第8期231-233,共3页
-
基金
国家自然科学基金(60603098)
陕西省教育厅科学研究计划项目(07JK381)资助
-
文摘
考虑到乳腺微钙化簇样本分布不平衡以及特征的多样性,提出了基于K均值聚类的多核支持向量机。即首先将训练样本聚合成K类,对每类样本加不同的惩罚因子,以平衡样本分布不平衡。其次针对样本特征多样性,将核函数做组合,得到多核支持向量分类器。使用主动反馈学习的方法来得到稳定的训练样本。实验结果表明,本方法与单核SVM及多核SVM相比,检对率至少可以提高两个百分点。
-
关键词
K均值聚类
多核支持向量机
微钙化簇
主动反馈学习
-
Keywords
K-means cluster,Multiple kernel SVM,Microcalcification, Active feedback learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
