文中在研究現(xiàn)有先驗(yàn)知識(shí)與支持向量機(jī)融合的基礎(chǔ)上，針對(duì)置信度函數(shù)憑經(jīng)驗(yàn)給出的不足，提出了一種確定置信度函數(shù)方法，更好地進(jìn)行分類。該方法是建立在模糊系統(tǒng)理論的基礎(chǔ)上：將樣本的緊密度信息作為先驗(yàn)知識(shí)應(yīng)用于支持向量機(jī)的構(gòu)造中，在確定樣本的置信度時(shí)，不僅考慮了樣本到所在類中心之間的距離，還考慮樣本與類中其它樣本之間的關(guān)系，通過模糊連接度將支持向量與含噪聲樣本進(jìn)行區(qū)分。文中將基于先驗(yàn)知識(shí)的支持向量機(jī)應(yīng)用于醫(yī)學(xué)圖像分割，以加拿大麥吉爾大學(xué)的brainWeb模擬腦部數(shù)據(jù)庫(kù)提供的不同噪聲的圖像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明采用基于先驗(yàn)知識(shí)的支持向量機(jī)比傳統(tǒng)支持向量機(jī)具有更好的抗噪性能及分類能力。
標(biāo)簽：
支持向量機(jī)
圖像分割
中的應(yīng)用
上傳時(shí)間：
2013-10-12
上傳用戶：cmc_68289287
