基于自适应加权混合核函数的3D脑肿瘤分割

• 作者: 杨丰 王晓春 罗蔓 黄靖
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 混合核函数 支持向量机 序列最小优化 修正因子 脑肿瘤磁共振图像
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 210-213
• 页数: 4页
• 分类号: TP391.41
• 字数: 4913字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.09.050

摘要

针对目前支持向量机（SVM）中混合核函数的不足，提出一种自适应加权混合核函数。该核函数能自适应调节新映射空间样本点的距离，改变序列最小优化（SMO）过程中的修正因子，以削弱惩罚因子的影响，改变拉格朗日乘子的取值，优化支持向量的选取，进而获得更优的分类界面，提高SVM的分类能力，并首次提出将混合核函数SVM应用于脑肿瘤分割。实验结果表明，该方法能更高效准确地分割脑肿瘤。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨丰	南方医科大学生物医学工程学院	52	330	11.0	15.0
2	黄靖	南方医科大学生物医学工程学院	17	114	7.0	10.0
3	王晓春	南方医科大学生物医学工程学院	6	30	2.0	5.0
4	罗蔓	南方医科大学生物医学工程学院	3	30	2.0	3.0