基于改进粒子群算法的医学图像分类研究

• 作者: 李伟 罗姗 蔡静 邵艳华 陈德强
• 来源期刊: 湖北民族学院学报（自然科学版）
• 学科: 工学
• 关键词: 特征提取 遗传算法 粒子群算法 分类器 医学图像
• 年，卷（期）: 2020,（2）
• 页码范围: 176-180,213
• 页数: 6页
• 分类号: TP391
• 字数: 3781字
• 语种: 中文
• DOI: 10.13501/j.cnki.42-1908/n.2020.06.012

摘要

针对医学图像具有很高的特征维度和非常大的交叉性及相似性、极其容易造成类别归属混乱、导致医学图像多类别分类精度普遍较低的问题,首先提出了一种惯性权重自适应的粒子群算法,并以此为基础引入交叉算子提出一种混合优化算法.然后,采用中值滤波法、直方图均衡化方法对医学图像进行去噪、图像增强等预处理.最后运用改进后的混合粒子群算法集成SVM、KNN、AdaBoost分类器对医学图像进行特征分类研究.试验表明,本文算法的分类结果无论是直接特征提取,还是SIFT特征提取,相对于传统的分类器多类别分类准确率都有所提升;针对MIAS数据集,多类别分类相比于现有的分类算法有明显的精度提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵艳华	贵州民族大学数据科学与信息工程学院	6	35	3.0	5.0
2	蔡静	贵州民族大学数据科学与信息工程学院	12	14	3.0	3.0
3	罗姗	贵州民族大学数据科学与信息工程学院	1	0	0.0	0.0
4	李伟	贵州民族大学数据科学与信息工程学院	5	2	1.0	1.0
5	陈德强	贵州民族大学数据科学与信息工程学院	5	2	1.0	1.0