基于先驗(yàn)知識的支持向量機(jī)圖像分割算法研究.pdf

1、圖像分割是圖像處理的重點(diǎn)和難點(diǎn)之一，至今仍然沒有一個(gè)通用且有效的圖像分割算法能滿足各種不同的需要，這也正是圖像分割算法的研究價(jià)值所在。在醫(yī)學(xué)圖像處理中，雖然支持向量機(jī)已應(yīng)用于圖像分割，并取得了較好的分割效果，但是沒有考慮到相關(guān)應(yīng)用領(lǐng)域的先驗(yàn)知識，對受噪聲影響的醫(yī)學(xué)圖像，其分割效果還有待于進(jìn)一步提高?；谙闰?yàn)知識的支持向量機(jī)可以較好地解決噪聲的影響，它將對象中已知的一部分機(jī)理提取出來，作為先驗(yàn)知識，然后將其與樣本數(shù)據(jù)相結(jié)合，共同建立可靠的

2、樣本模型。 本文在研究現(xiàn)有先驗(yàn)知識與支持向量機(jī)融合的基礎(chǔ)上，針對置信度函數(shù)憑經(jīng)驗(yàn)給出的不足，提出了一種確定置信度函數(shù)方法，更好的進(jìn)行分類。該方法是建立在模糊系統(tǒng)理論的基礎(chǔ)上：將樣本的緊密度信息作為先驗(yàn)知識應(yīng)用于支持向量機(jī)的構(gòu)造中，在確定樣本的置信度時(shí)，不僅考慮了樣本到所在類中心之間的距離，還考慮樣本與類中其它樣本之間的關(guān)系，通過模糊連接度將支持向量與含噪聲樣本進(jìn)行區(qū)分。在此基礎(chǔ)上構(gòu)造實(shí)現(xiàn)了一個(gè)分類器，為了檢驗(yàn)分類器的有效性，通過