在醫(yī)學診斷領域,細胞圖像的自動分類能有效地提高醫(yī)學診斷的準確率和速率。因此,細胞圖像的自動分類是當前學界研究的重點。由于細胞圖像存在復雜的高維特性,而SVM作為一種優(yōu)秀的自動分類算法,能很好地解決圖像的高維特性差的問題,因此,在圖像分類的實際應用中被廣泛采用。實現(xiàn)細胞圖像識別分類的關(guān)鍵是構(gòu)造性能良好的SVM分類器,而選擇有效的SVM核函數(shù)參數(shù)是構(gòu)造高性能SVM分類器的主要因素。因此,學界將SVM的核函數(shù)參數(shù)優(yōu)化問題作為當前研究的重點。近些年來提出許多算法來自動優(yōu)化SVM核參數(shù),如網(wǎng)格搜索算法、粒子群算法等。在很大程度上實現(xiàn)了細胞圖像的自動分類,但是由于這些SVM參數(shù)優(yōu)化算法的計算量過大,參數(shù)優(yōu)化精度未能達到更優(yōu),導致SVM建模速度緩慢,識別精度不夠高等一些問題的出現(xiàn)。因此本文也從SVM參數(shù)優(yōu)化方法的角度出發(fā),提出一種基于Python的細胞識別SVM模型參數(shù)優(yōu)化方法。該算法主要是結(jié)合Python語言的優(yōu)點編寫優(yōu)化算法和整個細胞識別分類系統(tǒng)功能模塊,優(yōu)化算法是結(jié)合變網(wǎng)格搜索法和量子粒子群QPSO的混合算法對SVM的參數(shù)進行尋優(yōu)。先利用變網(wǎng)格搜索法進行參數(shù)尋優(yōu),由大網(wǎng)格在大區(qū)域內(nèi)搜索參數(shù),縮... 

【文章來源】：齊魯工業(yè)大學山東省

【文章頁數(shù)】：88 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 課題的目的及意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 論文的主要結(jié)構(gòu)安排
第2章 基于Python的細胞識別分類系統(tǒng)的圖像處理
    2.1 Python簡介
        2.1.1 Python語言的概述
        2.1.2 Python語言的特點
    2.2 細胞識別分類系統(tǒng)整體方案設計
        2.2.1 系統(tǒng)基本要求
        2.2.2 系統(tǒng)基本原理
        2.2.3 系統(tǒng)的組成架構(gòu)
        2.2.4 硬件系統(tǒng)
        2.2.5 軟件系統(tǒng)
    2.3 細胞圖像預處理
        2.3.1 細胞類型
        2.3.2 噪聲種類
        2.3.3 圖像去噪方法
        2.3.4 去噪實驗
    2.4 細胞圖像分割
        2.4.1 Otsu閾值法
        2.4.2 分水嶺算法
        2.4.3 改進后的圖像分割方法
    2.5 改進掩模法提取有效細胞核
    2.6 基于Python的細胞識別分類系統(tǒng)的圖像處理
    2.7 本章小結(jié)
第3章 基于Python的圖像特征提取
    3.1 特征提取概述
    3.2 細胞特征選擇
        3.2.1 幾何特征
        3.2.2 紋理特征
    3.3 特征提取結(jié)果
        3.3.1 幾何特征提取
        3.3.2 紋理特征提取
    3.4 細胞特征參數(shù)的標準化
        3.4.1 歸一化方法
        3.4.2 歸一化處理
    3.5 基于Python的圖像特征提取
    3.6 本章小結(jié)
第4章 基于Python的 SVM參數(shù)優(yōu)化方法
    4.1 SVM的介紹
        4.1.1 SVM的基本理論
        4.1.2 SVM的原理
        4.1.3 SVM的基本思想
        4.1.4 SVM的優(yōu)點
    4.2 核函數(shù)選取及其參數(shù)
    4.3 交叉驗證
    4.4 SVM參數(shù)優(yōu)化方法選擇
        4.4.1 網(wǎng)格搜索法
        4.4.2 粒子群(PSO)算法
        4.4.3 變網(wǎng)格-量子粒子群(VGS-QPSO)算法
    4.5 基于Python的 SVM參數(shù)優(yōu)化
    4.6 本章小結(jié)
第5章 基于SVM的細胞圖像分類實驗
    5.1 數(shù)據(jù)集描述
    5.2 基于網(wǎng)格法參數(shù)尋優(yōu)的SVM分類結(jié)果
    5.3 基于粒子群算法參數(shù)尋優(yōu)的SVM分類結(jié)果
    5.4 基于改進的VGS-QPSO參數(shù)尋優(yōu)的SVM分類結(jié)果
    5.5 三種參數(shù)優(yōu)化算法的結(jié)果比較
    5.6 本章小結(jié)
第6章 總結(jié)與展望
參考文獻
致謝
在學期間主要科研成果


【參考文獻】：
期刊論文
[1]基于Pygame的壁球游戲的設計與開發(fā)[J]. 杜蘭,陳琳琳,黃祎靜.  電子技術(shù)與軟件工程. 2018(22)
[2]基于OpenCV-Python的圖像分割技術(shù)的設計與應用研究[J]. 陳之堯.  中國新通信. 2018(19)
[3]探究C++編程中常見問題與解決對策[J]. 吳璇.  信息技術(shù)與信息化. 2018(08)
[4]基于深度學習的醫(yī)學圖像識別研究進展[J]. 劉飛,張俊然,楊豪.  中國生物醫(yī)學工程學報. 2018(01)
[5]一種優(yōu)化參數(shù)的支持向量機駕駛意圖識別[J]. 李慧,李曉東,宿曉曦.  實驗室研究與探索. 2018(02)
[6]基于Python的動態(tài)語言特點探討[J]. 謝生鋒.  電腦知識與技術(shù). 2017(33)
[7]具有去除椒鹽噪聲能力的改進雙邊濾波算法[J]. 周航,韓權(quán).  北京交通大學學報. 2017(05)
[8]數(shù)字圖像迭代均值濾波降噪算法[J]. 高欣欣,倪念勇,孫波.  湖南文理學院學報(自然科學版). 2017(02)
[9]基于Python的簡單網(wǎng)絡爬蟲的實現(xiàn)[J]. 戚利娜,劉建東.  電腦編程技巧與維護. 2017(08)
[10]白細胞自動分類系統(tǒng)的設計[J]. 齊天白.  中國醫(yī)學裝備. 2017(03)

碩士論文
[1]宮頸細胞圖像特征分析與自動識別方法研究[D]. 許璇.哈爾濱理工大學 2017
[2]一種多分類器融合的單個宮頸細胞圖像分割、特征提取和分類識別方法研究[D]. 李文杰.廣西師范大學 2016
[3]動脈壁紋理特征提取及分類算法研究與實現(xiàn)[D]. 孫風雷.武漢理工大學 2014
[4]基于核方法的手寫體數(shù)字識別研究[D]. 魏興國.南京理工大學 2003



本文編號：3358356