在醫(yī)學(xué)診斷領(lǐng)域,細(xì)胞圖像的自動(dòng)分類能有效地提高醫(yī)學(xué)診斷的準(zhǔn)確率和速率。因此,細(xì)胞圖像的自動(dòng)分類是當(dāng)前學(xué)界研究的重點(diǎn)。由于細(xì)胞圖像存在復(fù)雜的高維特性,而SVM作為一種優(yōu)秀的自動(dòng)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(shí)際應(yīng)用中被廣泛采用。實(shí)現(xiàn)細(xì)胞圖像識(shí)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(xué)界將SVM的核函數(shù)參數(shù)優(yōu)化問題作為當(dāng)前研究的重點(diǎn)。近些年來(lái)提出許多算法來(lái)自動(dòng)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(shí)現(xiàn)了細(xì)胞圖像的自動(dòng)分類,但是由于這些SVM參數(shù)優(yōu)化算法的計(jì)算量過大,參數(shù)優(yōu)化精度未能達(dá)到更優(yōu),導(dǎo)致SVM建模速度緩慢,識(shí)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(xì)胞識(shí)別SVM模型參數(shù)優(yōu)化方法。該算法主要是結(jié)合Python語(yǔ)言的優(yōu)點(diǎn)編寫優(yōu)化算法和整個(gè)細(xì)胞識(shí)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(duì)SVM的參數(shù)進(jìn)行尋優(yōu)。先利用變網(wǎng)格搜索法進(jìn)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(lái)源】：齊魯工業(yè)大學(xué)山東省

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)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(guó)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(xì)胞識(shí)別分類系統(tǒng)的圖像處理
    2.1 Python簡(jiǎn)介
        2.1.1 Python語(yǔ)言的概述
        2.1.2 Python語(yǔ)言的特點(diǎn)
    2.2 細(xì)胞識(shí)別分類系統(tǒng)整體方案設(shè)計(jì)
        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(xì)胞圖像預(yù)處理
        2.3.1 細(xì)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(shí)驗(yàn)
    2.4 細(xì)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(jìn)后的圖像分割方法
    2.5 改進(jìn)掩模法提取有效細(xì)胞核
    2.6 基于Python的細(xì)胞識(shí)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(xì)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(xì)胞特征參數(shù)的標(biāo)準(zhǔn)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(diǎn)
    4.2 核函數(shù)選取及其參數(shù)
    4.3 交叉驗(yàn)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(xì)胞圖像分類實(shí)驗(yàn)
    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(jìn)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(xiàn)
致謝
在學(xué)期間主要科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于Pygame的壁球游戲的設(shè)計(jì)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(shè)計(jì)與應(yīng)用研究[J]. 陳之堯.  中國(guó)新通信. 2018(19)
[3]探究C++編程中常見問題與解決對(duì)策[J]. 吳璇.  信息技術(shù)與信息化. 2018(08)
[4]基于深度學(xué)習(xí)的醫(yī)學(xué)圖像識(shí)別研究進(jìn)展[J]. 劉飛,張俊然,楊豪.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2018(01)
[5]一種優(yōu)化參數(shù)的支持向量機(jī)駕駛意圖識(shí)別[J]. 李慧,李曉東,宿曉曦.  實(shí)驗(yàn)室研究與探索. 2018(02)
[6]基于Python的動(dòng)態(tài)語(yǔ)言特點(diǎn)探討[J]. 謝生鋒.  電腦知識(shí)與技術(shù). 2017(33)
[7]具有去除椒鹽噪聲能力的改進(jìn)雙邊濾波算法[J]. 周航,韓權(quán).  北京交通大學(xué)學(xué)報(bào). 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(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(02)
[9]基于Python的簡(jiǎn)單網(wǎng)絡(luò)爬蟲的實(shí)現(xiàn)[J]. 戚利娜,劉建東.  電腦編程技巧與維護(hù). 2017(08)
[10]白細(xì)胞自動(dòng)分類系統(tǒng)的設(shè)計(jì)[J]. 齊天白.  中國(guó)醫(yī)學(xué)裝備. 2017(03)

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



本文編號(hào)：3358356