支持向量機在醫(yī)學圖像分割中的應用.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、醫(yī)學圖像分割是醫(yī)學圖像的一個重要應用領域,也是一個經典難題,至今已有上千種分割方法,既有經典的方法也有結合新興理論的方法。 Vapnik等學者首先提出了實現統計學習理論中結構風險最小化原則的實用算法一支持向量機,比較成功地解決了模式分類問題。其后,機器學習界興起了研究統計學習理論和支持向量機的熱潮,引人矚目的研究分支有從最優(yōu)化技術出發(fā)改進或改造支持向量機,依據統計學習理論和支持向量機的優(yōu)點設計新的非線性機器學習算法等。

2、支持向量機(SVM)方法就是利用最優(yōu)分類面(線)將兩類樣本在特征空間或輸入空間中準確地分開,而且要使兩類的分類空隙最大。因此標準的SVM方法需要求解二次規(guī)劃問題,計算量很大。 腦組織圖像分割在醫(yī)學圖像分析中具有重要的理論和應用價值。由于支持向量機被看作是對傳統學習分類器的一個好的替代,特別是在小樣本、高維情況下,具有較好的泛化性能,因此可采用支持向量機方法對磁共振腦組織圖像進行分割研究。 論文的主要工作可以簡單總結如下:

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論