支撑向量机的若干医学应用研究.pdfVIP

No．4 陕西科技大学学报 Aug．2011 VoI．29 JOURNALOFSHAANXIUNIVERSITY OFSCIENCE TECHNOI0GY ·89 · 文章编号 ：1000—5811(2011}04—0089—04 支撑 向量机的若干医学应用研究 胡灵芝 (陕西中医学院基础医学院，陕西 成阳 712046) 摘 要 ：在医学领域 中常用支撑向量机算法对不 同的病情症状进行正确的分类和识别．针对所 处理数据的不同特征而采用恰 当的算法，选择不同的核 函数 ，能够在很大程度上减少计算量， 提高分类和识别的速度．如舌色、苔色识别采用线性和非线性结合的交叉训练法，识别率可达 93．87 ；肿瘤形状特征分类和 肾结石分类均采用非线性算法，所用核函数为高斯核函数 ，准确 率可达 95 以上． 关键词 ：支撑 向量机 ；核函数 ；舌色识别 ；肿瘤；肾结石分类 中图法分类号：TP182 文献标识码 ：A 0 引 言 标准的支撑 向量机因具有数学形式简单、几何解释直观、全局最优 、学习速度快 、泛化能力优 良、适合 处理高维数据等特点而被成功地用于许多分类和回归的问题 中．在医学上 ，利用模式识别技术对不 同的病 情症状进行正确 的分类和识别时 ，常用的算法是支撑 向量机．但在不 同的研究领域，根据其样本和要求 的 不同，应采用不同的训练方法 ，现以舌色、肿瘤等几个例子说 明不同领域 中所用到 的不同的支撑向量机训 练过程． 1 算法原理 支撑向量机是基于线性可分情况下的最优超平面提出的，其基本思想概括为：首先通过非线性变换将 输入空间变换到一个高维空间，然后在这个新空间中求最优线性超平面 ，而线性变换是通过核 函数实现 的． 线性支撑向量机的算法如下 ： (1)用 H—D[-A —P]定义矩阵H； (2)用 一(÷+HH)e计算 ； (3)利用 计算 (U=AD ，一一eDtt，Y一 ； f 0 zE A (4)用线性分类器 一 一0 zEA orA 对新样本进行分类． I0 EA一 非线性支撑 向量机的算法如下 ： (1)选择一个核 函数 K(A，A)； * 收稿 日期 ：2011-05—12 作者简介 ：胡灵芝 (1977一)，女 ，浙江省宁波市人 ，讲师 ，研究方 向：计算数学 · 90 · 陕西科技大学学报 第 29卷 (2)用算式定义G—DU~ ～ ]； (3)计算拉格朗 日乘子 ； (4)用 K(x ，A ) 一7一K( ，A )DDK (A，A )D +gD 一(K ( ，A )K(A，A )+eI)Dv一0得 到非线性 SVM 分类超平面； f 0 zEA。。 (5)用(K(，A)K(A，A)+P)Dr{0 32EA orA一对新样本进行分类． 一【0 ∈A 构造支撑向量机分类器首先要确定核函数 的类型 ，采用不同的核函数将导致不同的支撑向量算法 ，目 前得到的核函数形式主要有 ：线性核函数 ：K(x，．y)一( ·)、多项式核 函数 ：k(，)一( ·+】)、高斯 核函数：走( )一exp(一yl —YI)、S型核函数 ：k(，．y)一tan(kx ·Y一 )． 2 支撑 向量机在 医学领域的应用研究 2．1 中医舌 色苔 色识 别 舌诊是 中医四诊中望诊的重要内容 ，是中医临床诊断的主要依据之一．传统的舌诊是根据中医医生观 察来诊断病情的，诊断结果和医生的知识水平 、诊断经验密切相关．为了有一个确切 的诊断依据 ，必须将舌 诊客观化 ，即解决舌诊 的模糊性和不确定问题．计算机数字图像处理技术在这一方面具有独特的优势． 针对舌色 、苔色分类与识别不仅要求