基于遺傳算法優(yōu)化支持向量機的圖像識別

1、基于遺傳算法優(yōu)化支持向量機的圖像識別基于遺傳算法優(yōu)化支持向量機的圖像識別在醫(yī)學中，獲得合格的X射線圖像的前提是獲得合適的曝光值，曝光不足或過度都會影響圖像質(zhì)量。X射線成像依賴于穿透人體的部分射線，由于個體組織結(jié)構(gòu)復雜性以及外在因素，導致選取合適的曝光值并不是容易的事，這樣就會影響X射線圖像的可用性。因此，準確有效地識別曝光量有問題的圖片具有一定的研究意義，并對之后進行圖像增強處理打好基礎(chǔ)。2相關(guān)概念2.1支持向量機由于X射線圖像具有較強

2、的非線性特性，維度較高，同時屬于小樣本學習問題，與傳統(tǒng)分類方法容易出現(xiàn)過學習現(xiàn)象相比，支持向量機在有限的樣本情況下具有很大優(yōu)勢，同時能在不增加計算量程度的基礎(chǔ)上通過選取合適的核函數(shù)，將非線性問題反映到高維空間中，最終找到一個實現(xiàn)分類的最優(yōu)分類超平面，得到高維線性決策函數(shù)，從而取代原函數(shù)，因此具有較強的推廣能力。2.2基于遺傳算法優(yōu)化SVM模型參數(shù)將遺傳算法應(yīng)用到優(yōu)化SVM參數(shù)是，算法過程如下：（1）對其所輸入的圖像X射線，進行分析處理，

3、建立測試樣本與學習樣本。（2）定義進化最大代數(shù)MAXGEN=100，生成種群最大數(shù)量為SIZEPOP=20，SVMCV參數(shù)為10，代溝GGAP=0.9，指父代中最佳準確率，為99%；圖4是在粗略選擇結(jié)果的基礎(chǔ)上將變化間隔縮小了一倍，進一步得到精確化形象化的準確率變化，得出取C=0.025，g=0.0625時對應(yīng)最佳準確率，為99%。圖5為測試集中時一個樣本的識別結(jié)果出現(xiàn)的偏差，將“2”預(yù)測成了“1”，測試集準確率為97.5%。原因是實際