宫颈细胞图像的特征选择与分类识别算法研究

• 作者: 吴爱国 常建芳 董娜 赵丽
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 特征提取 特征选择 CART PSO-SVM 宫颈细胞检测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 计算机科学
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2019.12.001

摘要

为了提高宫颈细胞识别速度,以最少的特征数量获得最高的识别准确率,运用分类与回归树算法(Classification and Regression Trees,CART)进行特征的选择,并采用粒子群算法(Particle Swarm Optimization,PSO)对分类器支持向量机(Support Vector Machine,SVM)进行优化,形成了PSO-SVM分类算法对细胞进行分类.使用Herlev数据集对文中提出的算法进行验证.通过CART特征选择方法,成功地从20个特征中提取出9个更具代表性的特征,并且二分类和七分类的准确率均达到99％以上.并引入其他几种宫颈癌细胞的分类识别算法进行仿真比较,结果表明,本文算法在特征数目较少的情况下识别准确率依然具有明显优势,从而验证了该算法的有效性.所述方法有效降低了人工特征选择的难度,在减少了识别用时的情况下,依然保证了细胞的识别准确率与之前几乎无异,为宫颈癌疾病诊断提供了一套有效的方法框架.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵丽	天津大学电气自动化与信息工程学院	22	283	10.0	16.0
2	吴爱国	天津大学电气自动化与信息工程学院	126	1771	21.0	37.0
3	董娜	天津大学电气自动化与信息工程学院	28	81	6.0	8.0
4	常建芳	天津大学电气自动化与信息工程学院	4	6	2.0	2.0