计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2009年
7期
150-152
,共3页
CD4细胞%显微图像识别%支持向量机%SVM
CD4細胞%顯微圖像識彆%支持嚮量機%SVM
CD4세포%현미도상식별%지지향량궤%SVM
本文基于支持向量机(SVM)对CD4细胞图像进行了分析识别.在样本数较少和缺乏先验知识的情况下,采用改进的平行栅格搜索算法和交叉验证算法训练并确定分类器参数,提高了分类器性能.实验结果表明,基于支持向量机的分类器的识别率为95%,优于Fisher分类器和BP网络.
本文基于支持嚮量機(SVM)對CD4細胞圖像進行瞭分析識彆.在樣本數較少和缺乏先驗知識的情況下,採用改進的平行柵格搜索算法和交扠驗證算法訓練併確定分類器參數,提高瞭分類器性能.實驗結果錶明,基于支持嚮量機的分類器的識彆率為95%,優于Fisher分類器和BP網絡.
본문기우지지향량궤(SVM)대CD4세포도상진행료분석식별.재양본수교소화결핍선험지식적정황하,채용개진적평행책격수색산법화교차험증산법훈련병학정분류기삼수,제고료분류기성능.실험결과표명,기우지지향량궤적분류기적식별솔위95%,우우Fisher분류기화BP망락.
