共查询到20条相似文献，搜索用时 858 毫秒
1.
《资源科学》2017,(3)
为实现高分辨率遥感影像低层特征的有效组织与优化,提高特征的可判别性,重点研究了基于稀疏编码的中层特征学习、基于支持向量机(Support Vector Machine,SVM)的分类技术,提出了基于软概率级联中层特征学习模型实现土地利用/土地覆盖(Land Use and Land Cover,LULC)分类。首先,提取影像的灰度共生矩阵(Graylevel Co-occurrence Matrix,GLCM)、光谱特征、密集尺度不变特征转换(Dense Scale Invariant Feature Transform,DSIFT)作为低层特征;然后由稀疏编码分别对GLCM、DSIFT和光谱特征进行稀疏编码,并结合最大平滑方法对稀疏系数进行优化,获得影像的中层特征,并通过SVM分类器分别计算LULC类别软概率,对其级联获得影像的特征表达;最后,利用SVM分类器再次分类获得LULC分类结果。选用武汉市远城区农村居民点作为实验样区,对该方法进行了验证,实验结果表明,该方法总体精度达到88%左右;相较于提取单一低层特征的分类方法,本文算法可有效提高LULC分类精度。 相似文献
2.
针对目前在局部放电模式识别领域中常用的分类器算法的缺陷,本文研究随机森林(random forest,RF)算法在局部电放模式识别领域的应用。首先对局部放电试验数据提取统计特征量,构建放电的学习样本。利用十折法对算法分类性能进行评判,并比较常见分类算法BP神经网络、支持向量机(support vector machine,SVM))、KNN、分类回归树算法(classification and regression tree,CART)以及RF算法的识别准确率。结果表明:利用RF算法构建放电模式分类器的识别准确率最高。此外,利用组成RF的基分类算法CART可分析不同放电模式间的主要区别。 相似文献
3.
《科技通报》2017,(2)
目的:利用PCA和SVM对新疆哈萨克族食管癌X射线图像进行特征提取、特征选择及分类研究。方法:利用基于灰度共生矩阵的纹理特征和小波变换的频域特征提取法,提出将ROC曲线面积选择法和主成分分析法相结合的两步式特征选择法,利用Bayes和SVM分类器对图像进行分类以验证所提取特征的分类能力。结果:AUC0.7的特征经主成分分析后输入到SVM分类器和Bayes分类器中得到的分类准确率和AUC值最高,分别为91%和85%、0.945和0.915。结论:SVM具有较好的分类性能,两步式特征选择法能有效地消除特征之间的共线性,极大提高了特征的分类能力,本研究有望提高新疆哈萨克族食管癌CAD系统的整体性能。 相似文献
4.
《科技通报》2016,(9)
为了提高利用医学影像技术对肝包虫病进行诊断的效率和准确性,有必要对基于影像的病症自动分类方法进行研究。根据不同类型肝包虫病CT影像特征,提出一种结合纹理特征提取和稀疏编码的肝包虫CT图像分类方法。首先,利用图像分割算法从腹部CT图像中提取肝包虫病灶区;其次,结合尺度不变特征转换(SIFT)和多尺度局部二值模式(LBP)对病灶区进行纹理分析,并采用稀疏编码技术对局部纹理特征编码;然后,应用多尺度最大池化法整合局部编码特征得到描述整幅图像的特征向量;最后,根据病灶图像的特征表示,通过线性支持向量机(SVM)完成对肝包虫图像的自动分类。在对比实验中,与基于Gabor滤波分类方法和基于多特征融合分类方法相比,所提方法总的平均分类准确率分别提高了24.97%和20.53%。实验结果表明,该方法提取的特征具有高的类区分度,能有效实现肝包虫CT图像的自动分类。 相似文献
5.
目的:讨论Bagging、Adaboost、Random Forest(RF) 3个集成分类器对新疆哈萨克族食管图像分型中的分类能力。方法:使用Matlab图像处理软件,对食管X线图像进行预处理,对预处理后的图像使用灰度共生矩阵和Hu不变矩特征进行图像特征的提取;然后,使用主成分分析法对特征值进行筛选优化,得到分类能力较强的特征值;最后,使用Weka软件,将3个不同的集成分类器对正常食管和早期食管癌图像进行分类,并进行分类模型的评估。结果:使用Bagging、Adaboost、Random Forest(RF) 3个集成分类器结合降维后的灰度共生矩阵特征值对食管图像进行分类时,正常食管的分类准确率是82%、94%、88%,早期食管癌的分类准确率是94%、88%和94%;使用降维后的Hu不变矩特征值和3种集成分类器对正常食管和早期食管癌进行分类时,正常食管的分类准确率是60%和64%、61%,早期食管癌的分类准确率是57%、68%和65%;结论:3种集成分类器结合灰度共生矩阵对正常食管和早期食管癌X线图像进行分类,其分类准确率与Hu不变矩相比分类效果更显著。说明灰度共生矩阵结合3种集成分类器更适合用于区分正常食管和早期食管癌X线图像。 相似文献
6.
遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类。半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率。本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类。实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法。 相似文献
7.
针对赤潮生物提出具有较高准确率的实时自动分类方法,本文提出采用ReliefF-SBS进行特征选择,即针对赤潮生物图像原始数据集进行特征分析,并在此基础上,对原始特征集进行特征选择以去除特征集中的无关特征和冗余特征,得到最优特征子集,减少它们对分类器分类精度的影响。文中给出了实验结果和分析,同时验证了对k-Nearest Neighbor algorithm(KNN)和Support Vector Machine(SVM)分类器分类效果的影响。 相似文献
8.
目的：观察肾集合管癌的临床、影像及病理学特征,提高对集合管癌的认识。方法对我院收治的这例肾集合管癌的临床、影像、大体、组织结构、免疫组化染色进行观察,结合文献复习。结果肾集合管癌临床无特异性症状,主要表现为腰痛、血尿,CT 平扫时肿瘤轻度强化,大体肿块呈实性、灰白、边界不清;镜下以不规则管状结构为主,伴肉瘤样分化;免疫组化染色AE1/AE3（＋）,CK7（＋）,EMA （＋）,Vim （＋）,CK34BE12（-）。结论肾集合管癌是一种少见,高度恶性的肾上皮性肿瘤,其组织学及免疫表型表现多样化,诊断及鉴别诊断主要依靠病理组织学和免疫组化,其中充分取材有利于鉴别诊断。 相似文献
9.
探讨C4. 5决策树、支持向量机分类器在新疆地方性肝包虫CT图像分类中的应用。使用sym4小波变换方法对预处理的图像进行特征提取,运用统计学方法筛选出最优的特征子集,并构建C4. 5决策树分类模型和支持向量机分类模型,进一步对模型的准确性、召回率等进行评估。结果显示,3种CT图像两两分类和综合分类时,C4. 5决策树分类模型的分类精度都明显高于支持向量机分类模型,C4. 5决策树分类模型的分类精度均达到87%以上,分类效果较好。实验结果表明,将C4. 5决策树分类器应用于肝包虫CT图像的分型中,为肝包虫病影像学诊断提供了一定的依据,也为后续新疆地方性肝包虫病计算机辅助诊断系统的研发奠定了基础。 相似文献
10.
《科技通报》2016,(3)
目的:利用SVM对新疆高发病哈萨克族食管癌X线医学图像进行分类研究。方法:随机选取正常食管和缩窄型食管癌X线医学图像各120张,运用灰度直方图法和灰度共生矩阵法提取图像的特征,采用Lib-SVM工具箱,在SVM类型设置上选择C-SVC,选择4种核函数,通过调整核函数的参数与C-SVC分类器的参数进行实验。结果:利用灰度直方图法提取的特征量进行分类时,线性核函数和RBF核函数的分类准确率较高,均可达92.5%;利用灰度共生矩阵法提取的特征量进行分类时,线性核函数、RBF核函数、Sigmoid核函数的分类准确率较高,均可达87.5%;利用灰度直方图特征和灰度共生矩阵特征组成的综合特征进行分类时,多项式核函数和RBF核函数的准确率较高,均可达97.5%。结论:灰度直方图特征的分类能力优于灰度共生矩阵特征;综合特征的分类能力优于单一特征的分类能力;RBF核函数的分类性能较其他核函数突出。SVM对食管癌X线医学图像具有较高的分类识别率,为新疆高发病哈萨克族食管癌的计算机辅助诊断系统的研究奠定了基础。 相似文献
11.
12.
13.
14.
15.
针对图书、期刊论文等数字文献文本特征较少而导致特征向量语义表达不够准确、分类效果差的问题,本文提出一种基于特征语义扩展的数字文献分类方法。该方法首先利用TF-IDF方法获取对数字文献文本表示能力较强、具有较高TF-IDF值的核心特征词;其次分别借助知网(Hownet)语义词典以及开放知识库维基百科(Wikipedia)对核心特征词集进行语义概念的扩展,以构建维度较低、语义丰富的概念向量空间;最后采用MaxEnt、SVM等多种算法构造分类器实现对数字文献的自动分类。实验结果表明:相比传统基于特征选择的短文本分类方法,该方法能有效地实现对短文本特征的语义扩展,提高数字文献分类的分类性能。 相似文献
16.
《科技通报》2016,(8)
目的:探讨KNN(k-Nearest Neighbor algorithm,K近邻结点算法)分类器在新疆哈萨克族食管癌分型中的应用。方法:采用KNN分类器,依据食管癌的灰度-梯度共生矩阵和灰度共生矩阵特征值,对其分型。选取样本量的40%、50%、60%作为三个训练集,K取1-29,训练并得到最优K值;选取样本量的10%到100%(以10%递增率)10个测试集,验证结果;获得最佳KNN分类模型,对模型进行评估。结果:训练结果:当K=1时,三种食管癌都能获得最高分类准确率。测试结果:改变测试集大小,当验证数据量增大时,分类准确率随之增加。最佳KNN分类模型评估:该KNN分类模型有一定的准确度,可以得到可靠的分类结果。结论:KNN分类器为新疆哈萨克族食管癌分型提供一定的依据,也为新疆哈萨克族食管癌的计算机辅助诊断系统的研发奠定基础。 相似文献
17.
海洋测绘遥感影像噪声难以去除，在遥感影像场景分类时，存在去噪效果不明显、增强效果不显著、分类准确率低等问题。针对这些问题本文提出基于图卷积网络的海洋测绘遥感影像场景分类方法。采用小波阈值图像去噪算法对遥感影像场景进行去噪，再通过NSST(nonsubsampled shearlet transform)方法得到去噪后影像的低频子带滤波与高频子带滤波，并对其展开增强处理，将预处理之后的遥感影像输进图卷积网络模型中，运用该模型中的差异化单元、分类器学习单元与遥感影像特征差异化单元实现最终分类。实验结果表明：与对照方法相比，该方法对遥感影像的去噪效果更好，增强效果更明显，场景分类准确率更高。说明该方法能够有效提升海洋测绘遥感影像的场景分类性能。 相似文献
18.
《科技风》2016,(21)
Android系统以开放开源为特色赢得了众多的客户的青睐。用户数量突飞猛进。但Android系统的开放性也带来了众多的麻烦。Android系统恶意软件呈现线性般的增长。本文对Android系统恶意软件检测提出了基于类别的svm的检测研究。将Android系统应用程序(app)的类别关联在一起,根据特定类别中特定特征表现与大部分良性app特征是否异常来预测该app为恶意app,恶意app在特定类别中的特征表现异常、罕见或者特征较多等特点进步断定为该app为恶意app。本文对250个app样本首先关联分类,然后对权限特征进行训练分类器,采用SVM机械学习算法建立分类模型。最后对训练数据进行实验,对实验结果进行信息检索学评估,得出基于类别的svm的检测方案比普通的svm检测方案高的结论。 相似文献
19.
提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法.利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别.实验结果表明该方法可以获得较高的分类正确率. 相似文献
20.
《科技通报》2015,(10)
特征选择和分类器设计是网络攻击监测的关键,为了提高网络攻击监测率,针对特征选择问题,提出一种蚁群算法选择特征和SVM特征加权相结合的网络攻击检测方法(ACO-SVM)。首先利用支持向量机的分类精度和特征子集维数加权构造了综合适应度指标,利用蚁群算法的全局寻优和多次优解搜索能力实现特征子集搜索;然后选择网络数据的关键特征,计算信息增益获得各个特征权重,并根据特征权重构建加权支持向量机的网络攻击分类器;最后设计了局部细化搜索方式,使得特征选择结果不含冗余特征的同时提高了算法的收敛性,并通过KDD1999数据集验证了算法有效性。结果表明,ACO-SVM有效降低了特征维数,提高了网络攻击检测正确率和检测速度。 相似文献