基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究.pdf

1、統(tǒng)計(jì)學(xué)習(xí)理論(Statistical Learning Theory,簡(jiǎn)稱SLT)是由AT&T Bel實(shí)驗(yàn)室的 Vapink及其合作者提出的可應(yīng)用于小樣本分析的統(tǒng)計(jì)理論。支持向量機(jī)(Support Vector Machine,SVM)是基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理提出的一種有監(jiān)督的機(jī)器學(xué)習(xí)方法，被公認(rèn)為小樣本情況下統(tǒng)計(jì)學(xué)習(xí)的經(jīng)典。SVM具有較好的泛化和學(xué)習(xí)能力，已被廣泛的應(yīng)用于諸多領(lǐng)域。
　　本文將主要探討在醫(yī)學(xué)圖像中應(yīng)

2、用支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)這兩種先進(jìn)的機(jī)器學(xué)習(xí)方法進(jìn)行唾液細(xì)胞顯微圖像特征提取和分類識(shí)別，并且將重點(diǎn)放在支持向量機(jī)的分類實(shí)現(xiàn)及其與神經(jīng)網(wǎng)絡(luò)分類性能的對(duì)比上。主要涉及到的部分包括：圖像預(yù)處理、特征提取和特征選擇、兩種分類器的建立、分類識(shí)別的實(shí)現(xiàn)、性能分析等部分。系統(tǒng)介紹了預(yù)處理的方法及其意義以及灰度、紋理、形態(tài)等特征提取方法，并介紹了過(guò)濾式(filter)特征選擇和Wrap特征選擇等方法。在仿真試驗(yàn)中，用matlab實(shí)現(xiàn)SVM訓(xùn)練算法和神經(jīng)網(wǎng)