原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
SVM算法及其在乳腺X片微钙化点自动检测中的应用.pdf
第 期 电 子 学 报
4 VoI . 32 No .4
年 月
2004 4 ACTA ELECTRONICA SINICA Apr . 2004
算法及其在乳腺 片微钙化点
SVM X
自动检测中的应用
，
1 1 2 1 1
万柏坤 ，王瑞平 ，朱 欣 ，綦宏志
（ 天津大学生物医学工程与科学仪器系，天津 ； 清华大学生物医学工程系，北京 ）
1. 300072 2 . 100080
摘 要： 支持矢量机（ ）是一种新的统计学习方法，其学习原则是使结构风险最小，而非经典学习方法所遵
SVM
循经验风险最小原则 这使得 具有更强的泛化能力 并且，由于 求解的是凸二次优化问题，使之能保证所找
. SVM . SVM
到的极值解就是全局最优解 本文首次将 算法用于乳腺 影像微钙化点自动检测中，对临床实际病例的试用结
. SVM X
果表明，同目前常用的基于经验风险最小的人工神经网络（ ）分类方法相比， 具有更高的识别率，值得应用推
ANN SVM
广.
关键词： 支持矢量机；结构风险最小；经验风险最小；微钙化点；乳腺影像 片
X
中图分类号： ； 文献标识码： 文章编号： （ ）
TH776 TN911.73 A 0372-2112 2004 04-0587-04
Principles of SVM and lts Application in Micro-calcifications
Detection in Mammogram
，
1 1 2
文档评论（0）