基于支持向量机的医用电子量分类器研究

• 作者: 胥勋涛
• 来源期刊: 传感器世界
• 学科: 工学
• 关键词: 医用电子鼻 乳癌检测 伤口病原菌 支持向量机
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 研究动态
• 页码范围: 12-14,11
• 页数: 4页
• 分类号: TP2
• 字数: 1895字
• 语种: 中文

摘要

医用电子鼻测试中,样本数量少且样本之间具有特别明显的不对称性,医用电子鼻模式识别问题是一个小样本、不等距的模式识别问题,传统的基于经验风险最小的模式分类算法在医用电子鼻中的应用效果欠佳.将基于统计学习理论和结构风险最小化的支持向量机分类方法引入医用电子鼻模式识别系统中,实现五种伤口病原菌和七种乳癌特征气体的分类,识别正确率分别为76％和91.43％.理论分析与实验结果表明,新的方法具有比传统分类器更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胥勋涛		7	32	3.0	5.0