改进的PSO优化SVM的病理图像分类算法

• 作者: 王云涛 王娅南 董斌 贾立男
• 来源期刊: 河北大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 参数优化 病理图像 图像分类
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 电子工程与计算机科学
• 页码范围: 543-551
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1565.2020.05.013

摘要

为了提高医学病理图像分类的准确率,提出了一种带有粒子位置权重和粒子之间相关度函数的PSO(particle swarm optimization)参数寻优算法.首先,在经典PSO算法的基础上提出了一种基于适应性原则的位置更新策略.然后,在粒子进行参数寻优的过程中,设计了一个增加粒子之间相关性的函数.该算法可以在不考虑速度影响的情况下进行参数最优解的搜索.最后,用经过PSO优化的支持向量机(SVM)算法分类检测病理图像.实验结果表明,该算法的分类准确率达到了98.5％,较高于另外几种算法.分类检测结果符合临床诊断结果,满足医学研究要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董斌		10	48	5.0	6.0
2	王娅南		14	40	4.0	5.0
3	王云涛		1	0	0.0	0.0
4	贾立男		1	0	0.0	0.0