哈尔滨工程大学学报
哈爾濱工程大學學報
합이빈공정대학학보
JOURNAL OF HARBIN ENGINEERING UNIVERSITY
2006年
z1期
366-369
,共4页
成则丰%程路遥%金文英%程存归
成則豐%程路遙%金文英%程存歸
성칙봉%정로요%금문영%정존귀
傅里叶变换红外光谱法%支持向量机%正常甲状腺组织%甲状腺癌组织
傅裏葉變換紅外光譜法%支持嚮量機%正常甲狀腺組織%甲狀腺癌組織
부리협변환홍외광보법%지지향량궤%정상갑상선조직%갑상선암조직
支持向量机(SVM)是根据统计理论提出的一种新的学习算法.为了进行临床中经常出现的正常甲状腺组织与甲状腺癌组织分类,文章以82对正常甲状腺组织与甲状腺癌组织为实验材料,通过FTIR-SVM建立了正常甲状腺组织与甲状腺癌组织识别的模型.试验结果显示,对学习训练集中的70个样品模型识别率为100%,对94个预测样品的识别准确率为98.9%.研究结果表明,FTIR-SVM可以用于正常甲状腺组织与甲状腺癌组织的区别.
支持嚮量機(SVM)是根據統計理論提齣的一種新的學習算法.為瞭進行臨床中經常齣現的正常甲狀腺組織與甲狀腺癌組織分類,文章以82對正常甲狀腺組織與甲狀腺癌組織為實驗材料,通過FTIR-SVM建立瞭正常甲狀腺組織與甲狀腺癌組織識彆的模型.試驗結果顯示,對學習訓練集中的70箇樣品模型識彆率為100%,對94箇預測樣品的識彆準確率為98.9%.研究結果錶明,FTIR-SVM可以用于正常甲狀腺組織與甲狀腺癌組織的區彆.
지지향량궤(SVM)시근거통계이론제출적일충신적학습산법.위료진행림상중경상출현적정상갑상선조직여갑상선암조직분류,문장이82대정상갑상선조직여갑상선암조직위실험재료,통과FTIR-SVM건립료정상갑상선조직여갑상선암조직식별적모형.시험결과현시,대학습훈련집중적70개양품모형식별솔위100%,대94개예측양품적식별준학솔위98.9%.연구결과표명,FTIR-SVM가이용우정상갑상선조직여갑상선암조직적구별.
