黑色素瘤是一種常見的皮膚惡性腫瘤,在過去的幾十年里,其發(fā)病率一直在迅速增加,已成為嚴(yán)重威脅人類健康甚至生命的疾病之一�；贐ag-of-Features（BoF）模型的黑色素瘤分類方法可以有效地幫助皮膚科醫(yī)生診斷皮膚疾病,近年來受到專家和學(xué)者的廣泛關(guān)注。但是,傳統(tǒng)的BoF模型是基于k-means無監(jiān)督聚類算法來學(xué)習(xí)碼書,由k-means產(chǎn)生的聚類中心不可抗拒地被特征較密集區(qū)域所吸引,其大部分聚類中心位于高密度區(qū)域,而只有少部分稀疏地散落在稀疏區(qū)域,容易導(dǎo)致分類精度不高。另外,由于k-means算法通過多次迭代求解最優(yōu)解,整個過程比較耗時�；谏鲜龇治�,本文首先提出了一種基于特征相似性測量的碼書學(xué)習(xí)算法,其次,基于該碼書學(xué)習(xí)算法提出了一種黑色素瘤良惡性分類算法,主要工作如下:（1）提出了一種基于特征相似性測量的碼書學(xué)習(xí)算法,我們利用線性無關(guān)和線性預(yù)測來衡量特征相似性,通過該算法學(xué)習(xí)的碼書中的碼字不受特征密集程度的影響,從而有效地克服了 k-mean算法產(chǎn)生聚類中心的高密度傾向性。同時,基于特征相似性測量的碼書學(xué)習(xí)算法較k-means算法具有較低的時間復(fù)雜度。通過兩個不同碼書學(xué)習(xí)算法的碼字... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１惡性黑色素瘤的圖例??

借助皮膚鏡這個輔助診斷工具，皮膚科專家結(jié)合宏觀與微觀上的臨床皮膚病學(xué)與??病理學(xué)，對黑色素瘤進(jìn)行診斷，這樣能有效的減少誤診的概率，是正確診斷惡性??黒色素瘤和其他良性皮膚損傷的有效工具，如圖１．２所示。??ＰＰ?ｍ??ｔａｒｎ?ｉｗｉ??圖１．２皮膚鏡實物圖（左）和皮膚鏡檢測圖（右）??１．１．２研究意義??盡管借助皮膚鏡成像技術(shù)，皮膚表面細(xì)節(jié)能夠清晰的用肉眼觀察，但是醫(yī)生??在臨床診斷皮膚疾病時，僅憑借醫(yī)生的主觀經(jīng)驗對皮損的顏色、形狀和紋理特征??進(jìn)行分析來識別黑色素瘤等皮膚疾病存在以下幾個難點：（１）黑色素瘤圖像采集??過程中易受成像設(shè)備、噪聲、光照的影響，醫(yī)生通過肉眼去分析受其影響較大；??（２）健康皮膚和病變區(qū)域的邊界對于裸眼是沒有清晰的劃分及邊界的不規(guī)則性，??皮膚科醫(yī)生手動分割的病變區(qū)域存在較大誤差；（３）部分病變區(qū)域有毛發(fā)的遮擋，??不利于肉眼直接觀察分析；（４）不同醫(yī)生的水平經(jīng)驗存在差異，對于同一黑色素??瘤圖像的診斷結(jié)果不一致，甚至同一醫(yī)生在不同時間的診斷結(jié)果也會發(fā)生變化。??另外

?（２．５）??其中Ａ：為經(jīng)驗值，是相鄰兩個尺度空間的倍數(shù)。高斯差分尺度空間的建立??如圖２．２所示，每一階尺度空間為一個Ｏｃｔａｖｅ，兩個Ｏｃｔａｖｅ分別表示原始圖像??和降采樣后的圖像的尺寸大小，其中Ｓｅｃｏｎｄ?Ｏｃｔａｖｅ中圖像的長和寬分別為Ｆｉｒｓｔ??Ｏｃｔａｖｅ中的一半，即降采樣后的圖像大小只有原始圖像的四分之一。??．＇?－?—．．．．．．—？??－?－????—：??／?＊、、?．?，，ｒ?／??？＝：二二．二二；－－氣：…?？／－?￣?－Ｔ?７￣?＂??，＊?——７＂?＂７＊?．…－—－‘??Ｓｃａｌｅ?４??Ｆｉｎ；ｔ?Ｏｃｉａｖｅ??．■?．．?ｒ－－，■—．■■■■－？—ｒ?．，／?＜．?．?／??ｉｋ?廣???．．．．．．．．一???．．．．．一．??ｆｔ?－ｙ????ｒ—ｒ－－７?？＇贏???ｒ—，．．…?

【參考文獻(xiàn)】：
期刊論文
[1]基于視覺詞袋模型的圖像分類改進(jìn)方法[J]. 曹寧,馮陽.  電子設(shè)計工程. 2015(15)
[2]采用改進(jìn)詞袋模型的空中目標(biāo)自動分類[J]. 朱旭鋒,馬彩文,劉波.  紅外與激光工程. 2012(05)

博士論文
[1]最小二乘支持向量機算法及應(yīng)用研究[D]. 郭新辰.吉林大學(xué) 2008

碩士論文
[1]基于皮膚鏡的惡性黑色素瘤檢測研究[D]. 羅焰.電子科技大學(xué) 2016
[2]基于特征包的火焰檢測技術(shù)的研究及實現(xiàn)[D]. 陳英南.山東財經(jīng)大學(xué) 2014



本文編號：3220602