首页> 中文期刊> 《科教导刊:电子版》 >基于多分类SVM分类器的晶状体特征提取

基于多分类SVM分类器的晶状体特征提取

         

摘要

支持向量机(Support Vector Machine,SVM)是Vapnik教授等人在根据多年研究统计学理论基础上提出的一种基于统计学原理的VC维理论和结构风险最小化理论用以解决线性不可分这样的分类问题的理论的机器学习方法,对于高维度、非线性、低样本量训练集的特征空间具有很好的泛化性能。医学图像特征提取和分割是图像处理在医学图像领域两个重要的课题:本文基于二分类支持向量机原理建立多分类支持向量机模型,应用于生物眼部瞳孔、晶状体及眼白等不同眼部结构的特征提取,并对实验结果进行分析。本文建立的数学模型和提出的实验方法能够为临床实验提供思路。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号