基于核学习算法的内窥镜图像的识别.pdfVIP

强俊等：基于核学习算法的内窥镜图像的识别 基于核学习算法的内窥镜图像的识别+ 强俊周呜争汪军楚宁 (安徽工籽科技学院汁算机科学与工程系，安徽芜湖241000) 摘要：基于核学习算法的基本原理，给出了一种利用核土分量分析(KPCA)提取图像像素问高阶相关的非线性特征并与 优化的支持向量机(SVM)相结合来进行内窥镜图像的识别h-法。在埘核函数的构成条什以及特性进行分析的基础f：，根 据推广误差上界估计函数，实现了SVM核参数及惩罚因子的优化选取；实验结果表明，KPCA在高维特征空间具有较强 的特征选择能力，优化核参数的SVM的分类识别正确率高于最近邻(NN)分类器：该方法具有较高的分类识刷效果。 关键词：核主分量分析(KPCA)，支持向量机(SVM)．内窥镜图像，非线性特征提取 中圈分类号： R318 文献标识码： A Based0n EndoscopicImageRecognition Kernel LearningAlgorithms Jun，Zhou Jun，Chu Qiang Ming—zheng，WangNing (De口LofComp Science，Wuhu Sci＆Engn，AnhuiUniversityofTechnologyand241000,China) Abstract：Inthis paper,AmethodofEndoscopicImageRecognitionbased onKernelteamingalgorithmsis theKernel the exlracl orderrelan∞nonlinearreatlIreof selects principalcornponcnlanalysis(KPCA)tohigh imagepixels,and Vector the onthc theformation recognition．Based of optimalSupportMachines(SVM)toperformendoscopicimage analysis conditionsandthecharacteristicsofKernel tothefunction functions，and error,this according uppcrboundofgeneralizationpaper rcalizesthe SVMThe optimal andpenalizationfactoroftheexperiment kernelparamcters a feature toolin feature can which is saleetion SVM results are powerful high-dimensinnalspace．andoptimal