基于改进粒子群算法的医学图像分类研究
罗姗
邵艳华
李伟
蔡静
陈德强
1.贵州民族大学 数据科学与信息工程学院,贵阳5500252.贵州民族大学 数据科学与信息工程学院,贵阳5500253.贵州民族大学 数据科学与信息工程学院,贵阳5500254.贵州民族大学 数据科学与信息工程学院,贵阳5500255.贵州民族大学 数据科学与信息工程学院,贵阳550025
摘要：针对医学图像具有很高的特征维度和非常大的交叉性及相似性、极其容易造成类别归属混乱、导致医学图像多类别分类精度普遍较低的问题,首先提出了一种惯性权重自适应的粒子群算法,并以此为基础引入交叉算子提出一种混合优化算法.然后,采用中值滤波法、直方图均衡化方法对医学图像进行去噪、图像增强等预处理.最后运用改进后的混合粒子群算法集成SVM、KNN、AdaBoost分类器对医学图像进行特征分类研究.试验表明,本文算法的分类结果无论是直接特征提取,还是SIFT特征提取,相对于传统的分类器多类别分类准确率都有所提升;针对MIAS数据集,多类别分类相比于现有的分类算法有明显的精度提升.
关键词：特征提取遗传算法粒子群算法分类器医学图像
分类号：TP391(计算技术、计算机技术)
资助基金：贵州省科技厅项目(黔科技基础[2017]1085)
论文发表日期：2020-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 176-180,213 )
英文信息