浙江工业大学学报
浙江工業大學學報
절강공업대학학보
Journal of Zhejiang University of Technology
2014年
5期
581-585
,共5页
图像分割%大肠病理切片%K-Means算法%主成分分析
圖像分割%大腸病理切片%K-Means算法%主成分分析
도상분할%대장병리절편%K-Means산법%주성분분석
image segmentation%large intestine pathological section%K-Means%PCA
针对正常与癌变大肠病理切片图像的特征,结合主成分分析(PCA)和K-Means算法提出了一种分割大肠病理切片图像中腺腔和上皮细胞、细胞核、间质的算法,解决了传统K-Means算法确定初始中心的难点,提高了识别分类时的收敛速度.使用基于相关系数矩阵的主成分分析方法确定具有代表性的聚类初始中心,结合K-Means算法将大肠病理切片图像数据分成三类.相关实验证明:提出的改进型K-Means大肠病理切片图像分割算法能够准确地将大肠病理切片图像中的腺腔和上皮细胞、细胞核、间质分类,且使用PCA方法的算法收敛速度比传统使用RANDOM方法的算法更快,取得了良好效果.
針對正常與癌變大腸病理切片圖像的特徵,結閤主成分分析(PCA)和K-Means算法提齣瞭一種分割大腸病理切片圖像中腺腔和上皮細胞、細胞覈、間質的算法,解決瞭傳統K-Means算法確定初始中心的難點,提高瞭識彆分類時的收斂速度.使用基于相關繫數矩陣的主成分分析方法確定具有代錶性的聚類初始中心,結閤K-Means算法將大腸病理切片圖像數據分成三類.相關實驗證明:提齣的改進型K-Means大腸病理切片圖像分割算法能夠準確地將大腸病理切片圖像中的腺腔和上皮細胞、細胞覈、間質分類,且使用PCA方法的算法收斂速度比傳統使用RANDOM方法的算法更快,取得瞭良好效果.
침대정상여암변대장병리절편도상적특정,결합주성분분석(PCA)화K-Means산법제출료일충분할대장병리절편도상중선강화상피세포、세포핵、간질적산법,해결료전통K-Means산법학정초시중심적난점,제고료식별분류시적수렴속도.사용기우상관계수구진적주성분분석방법학정구유대표성적취류초시중심,결합K-Means산법장대장병리절편도상수거분성삼류.상관실험증명:제출적개진형K-Means대장병리절편도상분할산법능구준학지장대장병리절편도상중적선강화상피세포、세포핵、간질분류,차사용PCA방법적산법수렴속도비전통사용RANDOM방법적산법경쾌,취득료량호효과.