基于改進的多核支持向量機的醫(yī)學(xué)圖像挖掘研究.pdf

1、乳腺癌是一種對女性身體和心理健康都會產(chǎn)生嚴重危害的常見的惡性腫瘤，目前在乳腺癌的臨床診斷方法中，影像診斷是最適合適齡女性的乳腺癌早期診斷方法，但是醫(yī)生肉眼很難發(fā)現(xiàn)醫(yī)學(xué)圖像中的隱匿信息。隨著互聯(lián)網(wǎng)的迅猛發(fā)展，在線醫(yī)療診斷成為必然，對海量醫(yī)學(xué)圖像使用高效的數(shù)據(jù)挖掘方法進行快速的診斷和鑒別，提高醫(yī)學(xué)圖像分類準確率，盡量避免發(fā)生醫(yī)生誤判，提高醫(yī)生的工作效率已經(jīng)成為計算機輔助醫(yī)療診斷的重要研究領(lǐng)域。
　　本文主要從數(shù)據(jù)挖掘的角度，研究多類別

2、分類方法、多核支持向量機、有向無環(huán)圖多核支持向量機以及基于分布式模式下的節(jié)點選擇有向無環(huán)圖多核支持向量機，并將它們分別應(yīng)用于醫(yī)學(xué)圖像挖掘。本文所做的主要工作如下：
　　(1)提出了樣本加權(quán)合成多核多類別分類方法。通過單個核函數(shù)對樣本的擬合以及適應(yīng)能力，對每一個核函數(shù)進行加權(quán)，從而得到本文的基于樣本加權(quán)的合成多核決策函數(shù)，使用一種固定的樣本學(xué)習(xí)方法獲得每一個單核函數(shù)的加權(quán)權(quán)重系數(shù)，克服了單個核函數(shù)在一些繁雜的情況下組成的核方法并不能

3、完全適應(yīng)如數(shù)據(jù)出現(xiàn)異構(gòu)或者數(shù)據(jù)不規(guī)則、樣本數(shù)量龐大、樣本的分布不均勻等實際應(yīng)用中的需求問題。將多個核函數(shù)按照一定的方法進行組合，以期望得到較好的分類結(jié)果是今后的發(fā)展趨勢。將新算法分別在多組UCI機器學(xué)習(xí)標準數(shù)據(jù)集和MIAS乳腺X光醫(yī)學(xué)圖像標準數(shù)據(jù)集上做分類實驗，實驗結(jié)果表明與傳統(tǒng)的單核多類別分類方法以及多核多類別分類方法相比，新方法具有較高的分類準確率。
　　(2)提出了基于節(jié)點選擇的樣本加權(quán)合成多核多類別分類方法。由于對于N類別

4、分類問題，有向無環(huán)圖樣本加權(quán)合成多核支持向量機（DAG-WSMKSVM）會構(gòu)造N*(N-1)/2個樣本加權(quán)合成多核支持向量機分類器（為每兩個類構(gòu)造一個樣本加權(quán)合成多核支持向量機），然而有向無環(huán)圖樣本加權(quán)合成多核支持向量機可能出現(xiàn)由于節(jié)點選擇不佳導(dǎo)致整個分類器最終分類結(jié)果較差的情況。針對以上問題，本文提出的基于節(jié)點選擇優(yōu)化的有向無環(huán)圖樣本加權(quán)合成多核支持向量機（NSDAG-WSMKSVM)），通過為每一層建立備選節(jié)點集合進行節(jié)點選擇，選取

5、下層備選節(jié)點集合中訓(xùn)練分類準確率最高的一個節(jié)點組合作為當前層節(jié)點的下層節(jié)點，從而優(yōu)化有向無環(huán)圖樣本加權(quán)合成多核支持向量機的拓撲結(jié)構(gòu)，獲得較好的訓(xùn)練和分類效果。實驗結(jié)果表明，與已有的方法相比，本文提出的方法對于UCI數(shù)據(jù)集以及多類別MIAS乳腺X光醫(yī)學(xué)圖像分類問題的分類準確率有明顯提高。
　　(3)提出了基于分布式模式下的節(jié)點選擇有向無環(huán)圖樣本加權(quán)合成多核支持向量機方法。針對基于節(jié)點選擇有向無環(huán)圖樣本加權(quán)合成多核支持向量機分類方法的