本文關(guān)鍵詞：改進(jìn)的PSO優(yōu)化ELM算法在醫(yī)學(xué)圖像分割中的應(yīng)用研究

  更多相關(guān)文章： 粒子群算法 極限學(xué)習(xí)機(jī)算法 極值自適應(yīng)調(diào)節(jié) 脊髓分割

【摘要】：由于醫(yī)學(xué)圖像背景復(fù)雜、信噪比低和無(wú)統(tǒng)一的衡量標(biāo)準(zhǔn)等問(wèn)題導(dǎo)致醫(yī)學(xué)圖像分割問(wèn)題一直是一個(gè)難點(diǎn)。如何選取一種分類準(zhǔn)確性高且時(shí)間開銷小的算法分割醫(yī)學(xué)圖像是一個(gè)值得思考的問(wèn)題。粒子群算法作為一種隨機(jī)搜索算法,具有收斂速度快,隨機(jī)搜索能力強(qiáng)的優(yōu)點(diǎn),但是不適合用來(lái)解決復(fù)雜的多維映射問(wèn)題。神經(jīng)網(wǎng)絡(luò)作為一種復(fù)雜網(wǎng)絡(luò)模型能夠處理各類復(fù)雜的數(shù)學(xué)映射問(wèn)題,且具有不錯(cuò)的泛化性能,但算法的效率不高,且具有過(guò)擬合的問(wèn)題。在以上思想的背景下,本文的主要研究?jī)?nèi)容如下:1.基本粒子群算法具有易于實(shí)現(xiàn)和搜索效率高的優(yōu)點(diǎn),但是同時(shí)也存在容易陷入局部最優(yōu)的問(wèn)題,本文通過(guò)分析基本PSO易陷入局部最優(yōu)的原因,采取以粒子群體個(gè)體極值和全局極值隨迭代過(guò)程中停止變化的步數(shù)(0T和gT)作為依據(jù)對(duì)個(gè)體極值和全局極值進(jìn)行多梯度隨機(jī)擾動(dòng)調(diào)節(jié)的方法(RPSO)增加算法隨機(jī)搜索性能和擴(kuò)展搜索空間能力,并通過(guò)優(yōu)化復(fù)雜多維函數(shù)實(shí)驗(yàn)說(shuō)明改進(jìn)后算法的尋優(yōu)性能和效率。2.本文介紹了極限學(xué)習(xí)機(jī)算法(ELM)基本思想,說(shuō)明ELM訓(xùn)練和分類的原理,同時(shí)分析了ELM具有的學(xué)習(xí)速度快和網(wǎng)絡(luò)映射復(fù)雜問(wèn)題能力強(qiáng)的優(yōu)點(diǎn),然后通過(guò)綜合RPSO和ELM各自的優(yōu)點(diǎn)提出了RPSO-ELM算法。RPSO-ELM算法利用RPSO良好的多維空間隨機(jī)搜索能力對(duì)ELM模型的輸入權(quán)重i?和隱藏層偏置ib進(jìn)行尋優(yōu),以建立最優(yōu)ELM模型提高ELM的泛化和分類性能。3.本文通過(guò)預(yù)處理和特征提取等操作創(chuàng)建樣本集,然后將樣本集輸入RPSO-ELM進(jìn)行分類實(shí)驗(yàn),獲取分類結(jié)果后經(jīng)過(guò)一系列形態(tài)學(xué)處理,返回算法勾畫輪廓的圖像,并通過(guò)真陽(yáng)性、背景正確識(shí)別率和背景錯(cuò)誤識(shí)別率指標(biāo)將其與金標(biāo)準(zhǔn)結(jié)果和基本ELM進(jìn)行對(duì)比說(shuō)明RPSO-ELM應(yīng)用于醫(yī)學(xué)圖像分割具有實(shí)用價(jià)值。
【關(guān)鍵詞】：粒子群算法 極限學(xué)習(xí)機(jī)算法 極值自適應(yīng)調(diào)節(jié) 脊髓分割
【學(xué)位授予單位】：廣西師范學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R318;TP391.41
【目錄】：

• 摘要4-5
• ABSTRCT5-9
• 1 緒論9-12
• 1.1 研究背景和意義9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-11
• 1.3 論文結(jié)構(gòu)及主要內(nèi)容11-12
• 2 基于極值擾動(dòng)的粒子群算法改進(jìn)研究12-25
• 2.1 基本粒子群算法介紹12-16
• 2.1.1 PSO原理12-13
• 2.1.2 PSO控制參數(shù)簡(jiǎn)介13-14
• 2.1.3 PSO算法原理14-16
• 2.2 改進(jìn)的標(biāo)準(zhǔn)粒子群優(yōu)化算法16-24
• 2.2.1 標(biāo)準(zhǔn)PSO優(yōu)化算法16-17
• 2.2.2 RPSO算法基本思想17-20
• 2.2.3 實(shí)驗(yàn)及性能分析20-24
• 2.3 本章小結(jié)24-25
• 3 基于改進(jìn)的粒子群算法優(yōu)化ELM分類模型25-35
• 3.1 基本極限學(xué)習(xí)機(jī)算法介紹25-29
• 3.1.1 單隱層前饋神經(jīng)網(wǎng)絡(luò)模型25-27
• 3.1.2 ELM算法原理27-29
• 3.2 改進(jìn)的粒子群算法優(yōu)化極限學(xué)習(xí)機(jī)29-34
• 3.2.1 RPSO-ELM基本思想29
• 3.2.2 算法分析與設(shè)計(jì)29-34
• 3.3 本章小結(jié)34-35
• 4 RPSO-ELM算法應(yīng)用于醫(yī)學(xué)圖像分割35-45
• 4.1 引言35-36
• 4.2 實(shí)驗(yàn)設(shè)計(jì)與結(jié)論36-43
• 4.3 本章小結(jié)43-45
• 5 總結(jié)與展望45-46
• 5.1 總結(jié)45
• 5.2 未來(lái)研究工作展望45-46
• 參考文獻(xiàn)46-49
• 附錄 本文作者在攻讀碩士學(xué)位期間所發(fā)表的論文49-50
• 致謝50-51

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 林麗秋;陳亮亮;;醫(yī)學(xué)圖像分割研究概況[J];科技信息;2011年21期

2 熱孜萬(wàn)古麗·夏米西丁;;醫(yī)學(xué)圖像分割算法分類及特點(diǎn)[J];科技信息;2013年03期

3 岑峰,戚飛虎;一種新的用于醫(yī)學(xué)圖像分割的幾何活動(dòng)輪廊模型(英文)[J];紅外與毫米波學(xué)報(bào);2003年06期

4 魏飛;劉守鵬;;基于神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割研究(英文)[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

5 祝衛(wèi)峰;李均利;魏平;;基于灰色關(guān)聯(lián)分析的醫(yī)學(xué)圖像分割[J];光學(xué)技術(shù);2010年03期

6 施俊;常謙;鐘瑾;;基于三維脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的醫(yī)學(xué)圖像分割信號(hào)與信息處理[J];應(yīng)用科學(xué)學(xué)報(bào);2010年06期

7 劉金清;;基于動(dòng)態(tài)加權(quán)模糊核聚類算法的醫(yī)學(xué)圖像分割新方法[J];福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

8 喬誠(chéng);李連東;王秀麗;;ITK及其在分水嶺醫(yī)學(xué)圖像分割中的應(yīng)用[J];太原科技;2008年02期

9 楊曉波;;一種基于遺傳神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割方法[J];科技信息;2012年07期

10 程顯毅;梁軍;馬首明;;基于多agent系統(tǒng)的醫(yī)學(xué)圖像進(jìn)化分割算法的研究[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前9條

1 安溪娟;郭磊;苗東博;;基于支持向量機(jī)的醫(yī)學(xué)圖像分割的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第三十一屆學(xué)術(shù)年會(huì)論文集[C];2011年

2 趙亮;李熙瑩;劉嘉昭;趙福利;;基于聚類神經(jīng)網(wǎng)絡(luò)算法的醫(yī)學(xué)圖像分割[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

3 王鑫;羅斌;周偉華;;基于歸一化割的醫(yī)學(xué)圖像分割[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

4 韓忠玲;韓忠明;汲偉明;姚萌;;基于模擬退火遺傳算法的醫(yī)學(xué)圖像偏移場(chǎng)校正[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

5 張永;馬華;賈桂霞;;基于粗糙集屬性約減的醫(yī)學(xué)圖像分割[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

6 盛朗;朱清;陳進(jìn);居小平;;融合全局和局部圖像信息的水平集醫(yī)學(xué)圖像分割方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

7 王高峰;黎杰;漆云翔;;膀胱CT圖像的自動(dòng)動(dòng)分割[A];中華醫(yī)學(xué)會(huì)放射腫瘤治療學(xué)分會(huì)六屆二次暨中國(guó)抗癌協(xié)會(huì)腫瘤放療專業(yè)委員會(huì)二屆二次學(xué)術(shù)會(huì)議論文集[C];2009年

8 盧坤虎;李志勇;;基于CT圖像的三維有限元模型構(gòu)建[A];第十屆全國(guó)生物力學(xué)學(xué)術(shù)會(huì)議暨第十二屆全國(guó)生物流變學(xué)學(xué)術(shù)會(huì)議論文摘要匯編[C];2012年

9 婁武濤;侯寅;馬川;劉奇;;基于標(biāo)記的肝臟CT圖像智能提取[A];中國(guó)計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國(guó)計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 郝家勝;基于幾何流的醫(yī)學(xué)圖像分割方法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2008年

2 謝從華;基于密度模型的醫(yī)學(xué)圖像分割方法研究[D];江蘇大學(xué);2011年

3 張小峰;基于模糊聚類算法的醫(yī)學(xué)圖像分割技術(shù)研究[D];山東大學(xué);2014年

4 孟t-;基于活動(dòng)輪廓模型的醫(yī)學(xué)圖像分割關(guān)鍵技術(shù)研究[D];東北大學(xué);2010年

5 鄭倩;醫(yī)學(xué)圖像分割方法研究及其應(yīng)用[D];南方醫(yī)科大學(xué);2014年

6 郭艷蓉;醫(yī)學(xué)圖像分割與配準(zhǔn)若干關(guān)鍵問(wèn)題研究[D];合肥工業(yè)大學(xué);2013年

7 張翔;支持向量機(jī)及其在醫(yī)學(xué)圖像分割中的應(yīng)用[D];華中科技大學(xué);2004年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 宋浩;醫(yī)學(xué)圖像分割相關(guān)算法研究[D];電子科技大學(xué);2014年

2 張憲林;基于活動(dòng)輪廓模型的醫(yī)學(xué)圖像分割方法研究[D];東北大學(xué);2013年

3 易宗劍;基于群智能優(yōu)化算法的醫(yī)學(xué)圖像分割研究[D];廣西師范學(xué)院;2015年

4 陳靜;基于變分水平集的醫(yī)學(xué)圖像分割[D];揚(yáng)州大學(xué);2015年

5 潘紅;基于Otsu的醫(yī)學(xué)圖像分割算法研究[D];吉林大學(xué);2016年

6 吳杰;基于模糊聚類的水平集醫(yī)學(xué)圖像分割[D];揚(yáng)州大學(xué);2016年

7 曾璐璐;改進(jìn)的PSO優(yōu)化ELM算法在醫(yī)學(xué)圖像分割中的應(yīng)用研究[D];廣西師范學(xué)院;2016年

8 潘偉;基于模糊聚類的醫(yī)學(xué)圖像分割技術(shù)研究[D];西北工業(yè)大學(xué);2007年

9 王黎明;基于模糊C均值算法的醫(yī)學(xué)圖像分割研究[D];西安電子科技大學(xué);2012年

10 樊萬(wàn)姝;基于半監(jiān)督模糊聚類的醫(yī)學(xué)圖像分割系統(tǒng)設(shè)計(jì)[D];大連理工大學(xué);2013年

，

本文編號(hào)：675421