公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

采用多尺度多级组合分类器快速定位乳腺X片中的感兴趣区域被引量：3: 2009年; 乳腺癌是妇女常见恶性肿瘤之一,早期诊断和治疗是降低乳腺癌患者死亡率的关键。微钙化是乳腺癌早期的一个重要标志,因此快速准确地找出乳腺X光片中含有微钙化簇的感兴趣区域(ROI)是成功诊断的第一步。乳腺X光片中含有大量无病变区域和少量微钙化区域,形成了一种典型的不对称分类问题。本研究结合大量无病变区域的信息训练多级组合分类器,并借助多尺度方法加快筛选速度,以定位ROI。在真实的数字化X线乳腺照片上的实验表明,该方法在无漏检的情况下,可以排除92.64%的正常区域,而且基于Matlab处理,对于每幅图片的平均处理时间仅为7 s。; 阮松陈松灿王敏

增强型模糊形态学联想记忆的改进被引量：1: 2007年; 为了克服增强型模糊形态学联想记忆(EFMAM)的网络规模随训练样本数目的增加而急剧增大的缺点,使其硬件实现更为容易,对原始EFMAM的网络体系结构进行了约简.在相似度空间中,定义一个基于概率("软")相似度分配的准则以评价约简矩阵A,再利用遗传算法搜索其最佳解.实验表明,约简后的EFMAM节约了计算时间和存储空间,易于硬件实现,同时其识别性能相对于原始EFMAM并未明显降低.; 王敏储荣; 关键词：形态学联想记忆遗传算法神经网络

基于相关向量机的图像阈值技术被引量：10: 2010年; 图像阈值化是一种直观有效的图像分割技术,在图像分析、模式识别及计算机视觉中具有重要应用.传统的阈值化方法通常基于某个特定的优化问题,需要在整个灰度范围内搜索最佳阈值(或阈值组合).最近,基于支持向量回归(SVR)的多阈值分割算法,直接从支持向量(SV)中获得阈值信息,无需对图像施加任何先验假设,并避免了繁琐的优化过程.然而:1.如何从众多SV中获得可靠的阈值尚待解决(SVR阈值方法的公开问题);2.虽然SVR阈值技术避免了传统多阈值算法可能出现的组合优化问题,但是其中超参数的选择往往需要耗时的交叉验证;3.算法在单峰直方图情形下失效.针对这些问题,并受相关向量机(RVM)方法的启发,提出了一种新的基于RVM的多阈值自动选择技术.由于RVM可以极大地约减"SV"数目,并且无需交叉验证进行参数调整,使得最终阈值的确定更加高效、可靠且异常容易;另外所提算法能有效地处理单峰直方图情形,使阈值分割具有更强的适应性.实验表明基于RVM的阈值技术不仅保留了SVR阈值技术的优点,而且解决了其中的公开问题,并显著地提高了算法的效率和适应能力.; 乔立山陈松灿王敏; 关键词：图像分割相关向量机支持向量回归

基于边界支持向量的白细胞检出新方法被引量：1: 2009年; 白细胞检出是血液显微图像白细胞自动识别系统中最基本和最关键的一个环节,其准确性和稳定性直接影响到整个系统的识别准确率。提出了一种基于边界支持向量的白细胞检出新方法。通过引入支持向量回归,在拟合直方图的同时得到稀疏的边界支持向量,再在这些有限的边界支持向量中直接筛选出所需阈值。该方法适用于彩色显微图像分割,能有效地克服光照、染色等客观因素的干扰,具有分割效果优、计算效率高、参数设置简便等优点,有利于后续特征抽取与分类计数。实验结果表明了本文方法的良好性能。; 王敏储荣曾晓勤; 关键词：计算机应用阈值分割

全选清除导出

共1页<1>

王敏