用于医学图像分类的支持向量机算法研究.pdfVIP

第21卷第l1期 计算机应用与软件 Vo1．21．No．11 2004年11月 Computer Applications and Software Nov．20o4 用于医学图像分类的支持向量机算法研究 孙 蕾 耿国华 周明全 李丙春 (西北大学计算机科学系 西安710069) 摘 要 支持向量机(SVM)方法就是利用最优分类面(线)将两类样本在特征空间或输入空间中无错误地分开，而且要使两类的 分类空隙最大。因此标准的SVM方法需要求解二次规划问题，计算量很大，本文介绍一种方法解决这个问题，并成功地将该算法应 用干医学图像数据挖掘的分类问题。 关键词 支持向量机 分类算法 医学图像 图像分类 图像数据挖掘 AI oRnHM RESE RCH OF SUPPoRT VE( DR MAa||]【f、 F0RⅣI】[ⅡlICAL D江AGE CLASSⅡⅡCATION Sun Lei Geng Guohua Zhou Mingquan Li Bingchun (Dwa,vnem of I Sdence，Norttaoest Unix．e~ity，Xian 710069) Abstract Support vector machine(SVM)is to correctly clarify samples into two parallel planes in input or feature spae~by optimal planes (1ines)，and the margin between the two chsses is made to he the largest． e standard SVM re( res solving quadratic prograrn that needs consider- ably longer computational time．An algorithm is introduced to solve the problem in this paper，which is successfully印 ed to the classification 0fmedi- eal image data mining． Keywords Support vector machine Classification algorithin Medical inlilies Image classification Image data mining Mint)e Y+ ∞ ∞ v是大于0的参数 1 引 言 s．t． D(Aw—er)+Y≥e and Y≥0 (1) 矩阵A(m x n)表示给定7／,维空间 中的m个样本，矩阵 基于数据的机器学习是现代智能技术中十分重要的一个方 面，主要研究如何从一些观测数据中得出目前尚不能通过学习 D是一个m×m的对角阵，其对角线上的元素是对应A中元素 原理分析得到的规律，利用这些规律去分析客观对象，对未来数 的所属类别，即1或一1，其它元素为0。常量 y是超平面距原 点的距离，e是元素全部为1的m维列向量， 是分类超平面的 据或无法观测的数据进行预测。标准的支持向量机因具有数学 形式简单、几何解释直观、全局最优、学习速度快、泛化能力优 法向量：