文中在研究現有先驗知識與支持向量機融合的基礎上，針對置信度函數憑經驗給出的不足，提出了一種確定置信度函數方法，更好地進行分類。該方法是建立在模糊系統理論的基礎上：將樣本的緊密度信息作為先驗知識應用于支持向量機的構造中，在確定樣本的置信度時，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系，通過模糊連接度將支持向量與含噪聲樣本進行區分。文中將基于先驗知識的支持向量機應用于醫學圖像分割，以加拿大麥吉爾大學的brainWeb模擬腦部數據庫提供的不同噪聲的圖像進行實驗，實驗結果表明采用基于先驗知識的支持向量機比傳統支持向量機具有更好的抗噪性能及分類能力。
標簽：
支持向量機
圖像分割
中的應用
上傳時間：
2013-10-12
上傳用戶：cmc_68289287
