基于支持向量机的医学图像分割的研究--《天津市生物医学工程学会第三十一届学术年会论文集》2011年
基于支持向量机的医学图像分割的研究
【摘要】：正目的医学图像分割是图像可视化的前提,也是提取影像图像中特殊组织的定量信息所不可缺少的手段。医学图像分割的结果是医学图像特征提取和识别等图像理解的基础,对医学图像分割的研究一直是数字图像处理技术研究中的热点和焦点。医学图像分割使得其后的图像分析、识别等高级处理阶段所要处理的数据量大大减少,同时又保留有关图像结构特征的信息。识别后的图像被广泛地应用于病变组织的定位及诊断、解剖结构的学习、计算机指导手术等方面。
【作者单位】：
【分类号】：TP391.41【正文快照】：
目的医学图像分割是图像可视化的前提,也是提取影像图像中特殊组织的定量信息所不可缺少的手段。医学图像分割的结果是医学图像特征提取和识别等图像理解的基础,对医学图像分割的研究一直是数字图像处理技术研究中的热点和焦点。医学图像分割使得其后的图像分析、识别等高级处
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【相似文献】
中国期刊全文数据库
聂斌;[J];泰山医学院学报;2002年04期
林瑶;田捷;;[J];模式识别与人工智能;2002年02期
岑峰,戚飞虎;[J];红外与毫米波学报;2003年06期
赵志峰,张尤赛;[J];华东船舶工业学院学报(自然科学版);2003年03期
翁璇;郑小林;彭承林;;[J];中国医疗器械信息;2006年06期
赵于前;柳建新;刘剑;;[J];计算机工程与应用;2007年10期
田炜;周明全;耿国华;;[J];计算机应用与软件;2008年01期
方忠民;;[J];长沙大学学报;2008年05期
梁坚;潘保昌;黄永慧;范晓燕;;[J];计算机工程与应用;2009年26期
李强;;[J];中国医疗设备;2010年05期
中国重要会议论文全文数据库
安溪娟;郭磊;苗东博;;[A];天津市生物医学工程学会第三十一届学术年会论文集[C];2011年
赵亮;李熙莹;刘嘉昭;赵福利;;[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年
王鑫;罗斌;周伟华;;[A];第十二届全国图象图形学学术会议论文集[C];2005年
韩忠玲;韩忠明;汲伟明;姚萌;;[A];第七届全国信息获取与处理学术会议论文集[C];2009年
张永;马华;贾桂霞;;[A];第十二届全国图象图形学学术会议论文集[C];2005年
盛朗;朱清;陈进;居小平;;[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年
王高峰;黎杰;漆云翔;;[A];中华医学会放射肿瘤治疗学分会六届二次暨中国抗癌协会肿瘤放疗专业委员会二届二次学术会议论文集[C];2009年
卢坤虎;李志勇;;[A];第十届全国生物力学学术会议暨第十二届全国生物流变学学术会议论文摘要汇编[C];2012年
娄武涛;侯寅;马川;刘奇;;[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年
中国博士学位论文全文数据库
郝家胜;[D];哈尔滨工业大学;2008年
谢从华;[D];江苏大学;2011年
张小峰;[D];山东大学;2014年
孟琭;[D];东北大学;2010年
郑倩;[D];南方医科大学;2014年
郭艳蓉;[D];合肥工业大学;2013年
张翔;[D];华中科技大学;2004年
中国硕士学位论文全文数据库
潘伟;[D];西北工业大学;2007年
王黎明;[D];西安电子科技大学;2012年
樊万姝;[D];大连理工大学;2013年
孙乔博;[D];合肥工业大学;2013年
刘新;[D];青岛大学;2006年
吴国强;[D];浙江工业大学;2007年
康迎英;[D];兰州大学;2013年
赵莉娜;[D];山东大学;2008年
王娜;[D];陕西师范大学;2009年
王威;[D];江西理工大学;2011年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号您还可以输入字
．客服电话
&&8:00-11:30,13:00-17:00(工作日)基于决策树对支持向量机的医学图像分类新方法
New medical image classify approach based on decision tree twin support vector machine
针对传统对支持向量机多类分类算法（Multi-TWSVM）中出现的模糊性问题，提出了一种基于遗传算法的决策树对支持向量机（GA-DTTSVM）多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树，通过构建决策树可以分离样本的模糊区域，提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机（TWSVM）训练分类器，最后用训练的分类器进行分类和预测。实验结果表明，与决策树对支持向量机（DTTSVM）多类分类算法以及Multi-TWSVM相比，GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。
Abstract：
Aiming at the fuzzy problem in Multi-class Twin Support Vector Machine(Multi-TWSVM), a new method of Decision Tree Twin Support Vector Machine based on Genetic Algorithm(GA-DTTSVM)is proposed. GA-DTTSVM builds the decision tree with the feature data by genetic algorithm to separate the fuzzy region of samples, so that the sam-ple recognition rate can be improved. For each node of the decision tree this paper uses the Twin Support Vector Machine (TWSVM)to train a classifier, and finally it uses the trained classifier for classification and prediction. The experiments show that GA-DTTSVM algorithm can get higher classification accuracy and faster training speed compared with Decision Tree Twin Support Vector Machine algorithm(DTTSVM)and Multi-TWSVM.
西北师范大学 计算机科学与工程学院,兰州,730070
& ISTICPKU
年，卷(期)
Keywords：
机标分类号
国家自然科学基金(No.，No.)；2012年度甘肃省高校基本科研业务费专项资金项目；甘肃省高校研究生导师项目(No.1201-16)；西北师范大学第三期知识与创新工程科研骨干项目(No.nwnu-kjcxgc-03-67)。
本文读者也读过
互动百科相关词
加载中，请稍候
．客服电话
&&8:00-11:30,13:00-17:00(工作日)支持向量机在医学图像分割中的应用--《首都医科大学》2007年硕士论文
支持向量机在医学图像分割中的应用
【摘要】：
医学图像分割是图像分割的一个重要应用领域,也是一个经典难题,至今已有上千种分割方法,既有经典的方法也有结合新兴理论的方法。
Vapnik等学者首先提出了实现统计学习理论中结构风险最小化原则的实用算法—支持向量机,比较成功地解决了模式分类问题。其后,机器学习界兴起了研究统计学习理论和支持向量机的热潮,引人瞩目的研究分支有从最优化技术出发改进或改造支持向量机,依据统计学习理论和支持向量机的优点设计新的非线性机器学习算法等。
支持向量机(Support Vector Machine,SVM)方法就是利用最优分类面(线)将两类样本在特征空间或输入空间中准确地分开,而且要使两类的分类空隙最大。因此标准的SVM方法需要求解二次规划问题,计算量很大。
脑组织图像分割在医学图像分析中具有重要的理论和应用价值。由于支持向量机被看作是对传统学习分类器的一个好的替代,特别是在小样本、高维情况下,具有较好的泛化性能,因此可采用支持向量机方法对磁共振脑组织图像进行分割研究。
论文的主要工作可以简单总结如下:
(1)实现了SVM在图像分割中的应用,通过模拟数据和真实数据的实验结果验证了该方法的有效性。
(2)提出了结合模糊训练集的支持向量机分割方法。实验结果验证了该方法的有效性,讨论了未来的工作方向。
【关键词】：
【学位授予单位】：首都医科大学【学位级别】：硕士【学位授予年份】：2007【分类号】：R318【目录】：
ABSTRACT4-6
第一章 引言6-8
1.1 研究背景6
1.2 研究内容与贡献6-7
1.3 本文的组织结构7-8
第二章 图像分割概述及支持向量机算法研究现状8-23
2.1 图像分割概述8-16
2.2 支持向量机技术概述16-23
第三章 基于支持向量机的医学图像分割23-33
3.1 原理与方法23-26
3.2 SVM 图像分割实验26-33
第四章 基于模糊支持向量机的医学图像分割33-42
4.1 模糊支持向量机的原理33-37
4.2 模糊训练集SVM 图像分割实验37-40
4.3 结果讨论40-42
文献综述42-55
参考文献55-61
攻读学位期间发表文章情况61-62
个人简介63
欢迎：、、)
支持CAJ、PDF文件格式
【相似文献】
中国期刊全文数据库
李大东;杨兴林;;[J];中国生物医学工程学报;2010年02期
吕世聘;王秀坤;唐一源;孙岩;王艳;周莉;;[J];中国生物医学工程学报;2008年02期
孙燕;臧传新;任廷革;李宇航;;[J];中国中医药信息杂志;2007年01期
郭磊;武优西;刘雪娜;颜威利;沈雪勤;;[J];中国生物医学工程学报;2007年04期
王丽;陆文聪;陆瑾;杨善升;;[J];计算机与应用化学;2007年12期
陈艳江;刘艳艳;赵国忠;王卫宁;李福利;;[J];光谱学与光谱分析;2009年09期
徐明玲;陈光;喻长远;;[J];北京化工大学学报(自然科学版);2009年06期
汪维鹏;吴萍;王森;李融;;[J];苏州大学学报(医学版);2009年04期
孙继佳;苏式兵;陆奕宇;刘平;;[J];数理医药学杂志;2010年03期
H.J.LS.I.HS.H.PS.H.KJ.Y.C高飞;;[J];国际医学放射学杂志;2010年04期
中国重要会议论文全文数据库
冯辅周;靳莹;甘露;何嘉武;;[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
李海彬;王丽娜;王震洲;刘教民;刘教民;刘教民;;[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年
赵杰文;刘少鹏;邹小波;;[A];农业机械化与新农村建设——中国农业机械学会2006年学术年会论文集（下册）[C];2006年
林杰华;张斌;李冬森;宋华茂;余志强;王浩;;[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
蒋铁军;张怀强;李积源;;[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
黄淑云;孙兴玉;梁汝萍;邱建丁;;[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年
谢湘;匡镜明;;[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
杨凌;刘玉树;;[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
师旭超;巴松涛;;[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（上册）[C];2004年
中国重要报纸全文数据库
刘焱彬;[N];电子报;2001年
编译;[N];中国摄影报;2006年
孙婧;[N];西部法制报;2008年
武文;[N];中国质量报;2008年
殷幼芳;[N];中国包装报;2005年
金彧;[N];中国电脑教育报;2002年
;[N];中国电子报;2009年
本报记者 刘晖;[N];计算机世界;2003年
赵军红　编译;[N];科技日报;2010年
;[N];中国计算机报;2002年
中国博士学位论文全文数据库
杜小芳;[D];华中科技大学;2005年
刘育明;[D];浙江大学;2006年
栾锋;[D];兰州大学;2006年
余庆军;[D];华南理工大学;2004年
孙薇;[D];华北电力大学（河北）;2007年
常群;[D];哈尔滨工业大学;2007年
程光权;[D];国防科学技术大学;2010年
朱燕飞;[D];华南理工大学;2005年
田英杰;[D];中国农业大学;2005年
张旗;[D];大连海事大学;2005年
中国硕士学位论文全文数据库
蔡磊;[D];西安石油大学;2010年
史鑫;[D];首都医科大学;2007年
刘艳伟;[D];浙江大学;2010年
李新;[D];中国海洋大学;2010年
杨镭;[D];国防科学技术大学;2010年
童振;[D];东北大学;2008年
聂小芳;[D];辽宁工程技术大学;2009年
鄢常亮;[D];内蒙古科技大学;2010年
韩叙东;[D];东北大学;2008年
冯杰;[D];东北大学;2009年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号西安理工大学；硕士学位论文；基于支持向量机的医学图像处理；姓名：王瑞；申请学位级别：硕士；专业：控制理论与控制工程；指导教师：刘丁;刘涵；；摘要；论文题目：基于支持向量机的医学图像处理；学科专业：控制理论与控制工程；研究生：王瑞；指导导师：刘丁教授；刘涵副教授签名：签名：签名：；摘要；支持向量机（ＳＶＭ）是Ｖａｐｎｉｋ及其研究小组提；医学图像
西安理工大学
硕士学位论文
基于支持向量机的医学图像处理
姓名：王瑞
申请学位级别：硕士
专业：控制理论与控制工程
指导教师：刘丁;刘涵
论文题目：基于支持向量机的医学图像处理
学科专业：控制理论与控制工程
研究生：王瑞
指导导师：刘丁教授
刘涵副教授签名：签名：签名：
支持向量机（ＳＶＭ）是Ｖａｐｎｉｋ及其研究小组提出的一种全新的模式识别技术，其思想是建立在统计学习理论的ＶＣ维理论和结构风险最小化原理基础上的，在小样本、非线性及高维特征空间中具有较好的推广能力。由于其完备的理论基础和良好的实验结果，支持向量机日渐引起研究人员的重视。．
医学图像分割和配准是医学图像处理中两个重要而困难的课题，使用支持向量机进行医学图像处理，无论在理论上还是在实际应用上都有重大的意义。本文结合医学图像的特点，主要进行了以下两个方面的研究：
（１）基于最小二乘支持向量机的医学图像分割研究
本文结合医学图像中目标具有分散性的特点，借助最小二乘支持向量机（ＬＳ．ＳＶＭ）良好的分类性能，以及其在小样本、非线性及高维特征空问中所具有的较好的推广能力，将ＬＳ．ＳＶＭ应用于医学图像分割。采用磁共振脑图像ＭＲＩ数据进行了脑组织分割实验，对于训练样本的选取，图像特征的提取以及核函数及其参数对分类结果的影响等问题进行了讨论。并和模糊Ｃ均值方法（ＦＣＭ）的分割效果进行了比较。实验结果表明：对目标边界模糊、目标灰度不均匀及目标不连续等情况下的图像（如医学图像）分割，在时问代价、分类精度等方面，ＬＳ．ＳＶＭ比ＦＣＭ方法有更好的分类性能。
（２）基于最小二乘支持向量机的医学图像配准研究
文中提出了基于ＬＳ．ＳＶＭ的图像配准方法，在已知控制点对的前提下，利用ＬＳ―ＳＶＭ的回归性能估计变换模型，然后利用该模型对待配准图像进行几何变换，并考虑插值问题，从而实现图像的配准。采用磁共振脑图像ＭＲＩ数据进行实验，并和最大互信息法（ＭＭＩ）进行比较，结果表明ＬＳ．ＳＶＭ可以有效地去除图像的刚体几何形变，在运算速度上较最大互信息法有较大的优势，是一种有效的医学图像配准方法。
关键词：支持向量机；最小二乘支持向量机；医学图像分割；医学图像配准
木本研究得到陕西省自然科学基金项目（题目：基于支持向量机的非线性系统建模与控制研究，Ｎｏ．２００７Ｆ３０）的资助。
Ｔｉｔｌｅ：ＭＥＤＩＣＡＬＩＭＡＧＥＰＲＯＣＥＳＳＩＮＧＢＡＳＥＤＯＮＳＵＰＰＯＲＴ
ＶＥＣＴＯＲＭＡＣＨＩＮＥＳ
Ｍａｊｏｒ：ＣｏｎｔｒｏｌＴｈｅｏｒｙａｎｄＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ
Ｎａｍｅ：ＲＵｊＷｒＡＮＧ
Ｓｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＤｉｎｇＬＩＵ
Ａｓｓｏｃｉａｔｅｐｒｏｆ．ＨａｎＬＩＵＳｉｇｎａｔｕｒｅ：型塑９堕ＳｉｇｎａｔｕＳｉｇｎａｔｕ
Ａｂｓｔｒａｃｔ
ＳＶＭ（Ｓｕｐｐｏｒｔ
ｐｒｏｐｏｓｅｄｂＹＶｅｃｔｏｒａｎｄＭａｃｈｉｎｅｓ）ｉｓｈｉｓｒｅｓｅａｒｃｈａｎｅｗｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｔｅｅｌｍ０１０９ｙｔｅａｍ．ＩｔｓｔｈｅｏｒｙｉｓｂａｓｅｄＯｎｗｈｉｃｈｗａｓＶａｐｎｉｋＶＣＤｉｍｅｎｓｊｏｎ（Ｖａｐｎｉｋ－ＣｈｅｒｖｏｎｅｎｋｉｓＤｉｍｅｎｓｉｏｎ）ｔｈｅｏｒｙ
ｂｅｔｔｅｒｇｅｎｅｒａｔｌｏｎｃａｐａｃｉｔｙｉｎａｎｄＳＲＭ（ＳｔｒｕｃｔｕｒａｌＲｉｓｋＭｉｎｉｍｉｚａｔｉｏｎ），ａｎｄｈａｖｅｔｈｅｓｍａｌｌｓａｍｐｌｅ，ｎｏｎｌｉｎｅａｒａｎｄｈｉｇｈ．ｄｉｎｌｅｎｓｉｏｎａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｐａｃｅ?Ｂｅｃａｕｓｅｏｆｉｔｓｆａｖｏｒａｂｌｅｔｈｅｏｒｉｅｓａｎｄｐｅｒｆｅｃｔｅｘｐｅｒｉｍｅｎｔ
ｍｏｒｃａｔｔｅｎｔｉｏｎｏｆｒｅｓｅａｒｃｈｅｒｓ．
●ｒｅｓｕｌｔｓ，ＳＶＭａｔｔｒａｃｔｓｍｏｒｅａｎｄ
Ｍｅｄｉｃａｌ１ｍａｇｅ一一
ｓｅｇｍｅｎｔａｔｉｏｎａｎｄｒｅｇｉｓｔｒａｔｉｏｎａｒｅｔｗｏｉｍｐｏｒｔａｎｔａｎｄｄｉｆｆｉｃｕＩｔｐｒｏｂｌｅｍｓｉｎ
ｍｅｄｉｃａｌ１ｍａｇｅｐｒｏｃｅｓｓｉｎｇ?Ｕｓｉｎｇ
ｂｏｔｈ１ｎＳＶＭｆｏｒｍｅｄｉｃａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｈａｓｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｈｅｏｒＹａｎｄｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎ．Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｍｅｄｉｃａｌｉｍａｇｅｓ，ｔｈｉｓ
ｄｏｅｓｓｅｖｅｒａｌｒｅｓｅａｒｃｈｅｓａｓｆｏｌｌｏｗｓ：ｐａｐｅｒ
（１）ＭｅｄｉｃａｌＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎｂａｓｅｄＯｎＬｅａｓｔＳｑｕａｒｅＳｕｐｐｏｒｔＶｒｅｃｔｏｒＭａｃｈｉｎｅｓ
Ｕ咖ｓｌｄｅｎｎｇ
Ｍａｃｈｉｎｅｓ∞。ｓｖＭ）ｉｎｔｈｅｓｍａｌｌ―ｓａｍｐｌｅ，ａｎｄｔｈｅｄｉｓｐｅｒｓｅｆｅａｔｕｒｅｏｆｔｈｅｓｅｇｍｅｎｔｅｄｏｂｊｅｃｔｓｉｎｍｅｄｌｃａｌｉｍａｇｅｓ，ＬＳ－ＳＶＭｉｓｕｓｅｄ
ｒｅｓｏｎａｎｃｅｔｈｅａｄｖａｎｔａｇｅｓｏｆｔｈｅｇｏｏｄｇｅｎｅｒａｌｉｚａｔｉｏｎｆｏｒＬｅａｓｔＳｑｕａｒｅＳｕｐｐｏｒｔＶｅｃｔｏｒｔｏｐｅｒｆｏｒｍｍｅｄｉｃａｌｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ．Ｔａｋｉｎｇｔｈｅｍａｇｎｅｔｉｃ
ａｓｉｍａｇｅｓ（ＭＲＩ）ｆｏｒｅｘｐｅｒｉｍｅｎｔ，ｓｅｖｅｒａｌｋｅｙｐｒｏｂｌｅｍｓｓｕｃｈｔｒａｉｎｉｎｇｓｅｔｓｅｌｅｃｔｉｏｎ，
ｏｎｔｅｘｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｔｈｅｉｎｆｌｕｅｎｃｅｏｆＫｅｒｎｅｌｆｕｎｃｔｉｏｎａｎｄｉｔｓｐａｒａｍｅｔｅｒｓ
ａｒｅｔｈｅｓｅｇｍｅｎｔａｔｉｏｎＴｈｅｐｅｒｔｏ肌ａｎｃｅ
ａｎｄｄｉｓｃｕｓｓｅｄ，ａｎｄｃｏｍｐａｒｅｄｗｉｔｈＦｕｚｚｙＣ．Ｍｅａｎｓ（ＦＣＭ）ｍｅｔｈｏｄｓ．ｅｘｐｅｎｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｆｏｒｓｅｇｍｅｎｔｔａｒｇｅｔｓｗｉｔｈｉｍａｇｅｓ），ＬＳ―ＳＶＭｂｌｕｒｒｙｅｄｇｅｓ，ｉｎｔｅｎｓｉｔｙａｐｐｒｏａｃｈｉｓａｎｏｎ．ｕＩｌｉｆｏ册ｉｔｖｄｌｓｃｏｎｔｌｎｕｌｔＹ（ｓｕｃｈａｓｍｅｄｉｃａｌｇｏｏｄｃｈｏｉｃｅ，ｗｈｉｃｈｈａｓｂｅｔｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙａｎｄｌｅｓｓｒｕｎｎｉｎｇｔｉｍｅｔｈａｎＦＣＭ．
（２）Ｍｅｄｉｃａｌ
ＴｈｌｓＩｍａｇｅＲｅｇｉｓｔｒａｔｉｏｎｂａｓｅｄａｎＯｎＬｅａｓｔＳｑｕａｒｅＳｕｐｐｏｒｔＶ色ｃｔｏｒＭａｃｈｉｎｅｓｏｎｐａｐｅｒ，ｐｒｏｐｏｓｅＳｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄＬＳ．ＳＶＭ．Ｆｉｒｓｔｌｙ，ｓｅｌｅｃｔｃｏｎｔｒｏｌＩｌｌ
ｐｏｉｎｔｓｍａｎｕａｌｌｙ，ｓｅｃｏｎｄｌｙ，ｅｓｔｉｍａｔｅｔｒａｎｓｆｏｒｍａｔｉｏｎｍｏｄｅｌｕｓｉｎｇｔｈｅｒｅｇｒｅｓｓｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆＬＳ―ＳＶＭ，ｔｈｉｒｄｌｙ，ｒｉｓｅｔｈｅｍｏｄｅｌｒｅｇｉｓｔｅｒｔｈｅｉｍａｇｅｓｗｈｉｃｈｈａｖｅｇｅｏｍｅｔｒｉｃｄｅｆｏｒｍａｔｉｏｎ，ｆ＇ｍａｌｌｙ，ｃｏｎｓｉｄｅｒｉｎｔｅｒｐｏｌａｔｉｏｎｐｒｏｂｌｅｍｓ．Ｔａｋｉｎｇｔｈｅａｎａｍｏｒｐｈｉｃｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｅｓｆｏｒｅｘｐｅｒｉｍｅｎｔ，ａｎｄｃｏｍｐａｒｉｎｇｗｉｔｈｔｈｅｍａｘｉｍｉｚａｔｉｏｎｏｆｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎｍｅｔｈｏｄｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｔｈｅＬＳ―ＳＶＭｍｅｔｈｏｄｃａｎｒｅｍｏｖｅｇｅｏｍｅｔｒｉｃｄｉｓｔｏｒｔｉｏｎａｎｄｈａｓｌｅｓｓｒｕｎｎｉｎｇｔｉｍｅｔｈａｎｔｈｅｍａｘｉｍｉｚａｔｉｏｎｏｆｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎｍｅｔｈｏｄ，ＬＳ．ＳＶＭｉｓａｎｅｆｆｅｃｔｉｖｅｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｍｅｔｈｏｄ．
Ｋｅｙｗｏｒｄｓ：ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ（ＳＶＭ），ＬｅａｓｔＳｑｕａｒｅＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ．
（ＬＳ－ＳＶＭ），ＭｅｄｉｃａｌＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎ，ＭｅｄｉｃａｌＩｍａｇｅＲｅｇｉｓｔｒａｔｉｏｎ．
术ＴｈｉｓｒｅｓｅａｒｃｈｈａｓｂｅｅｎｓｕｐｐｏｓｅｄｂｙｔｈｅＮａｔｕｒｅＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＳｈａａｎｘｉＰｒｏｖｉｎｃｅ（Ｓｕｂｊｅｃｔ：ＮｏｎｌｉｎｅａｒｓｙｓｔｅｍｍｏｄｅｌａｎｄｃｏｎｔｒｏｌｂａｓｅｄｏｎＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ，Ｎｏ．２００７Ｆ３０）．
独创性声明
秉承祖国优良道德传统和学校的严谨学风郑重申明：本人所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的成果。尽我所知，除特别加以标注和致谢的地方外，论文中不包含其他人的研究成果。与我一同工作的同志对本文所研究的工作和成果的任何贡献均已在论文中作了明确的说明并已致谢。
本论文及其相关资料若有不实之处，由本人承担一切相关责任
论文作者签名：兰，卑．沁。８年３
学位论文使用授权声明
本人月１６日王堡．Ｉ在导师的指导下创作完成毕业论文。本人已通过论文的答辩，
并已经在西安理工大学申请博士／硕士学位。本入作为学位论文著作权拥有者，同意授权西安理工大学拥有学位论文的部分使用权，即：１）已获学位的研究生按学校规定提交印刷版和电子版学位论文，学校可以采用影印、缩印或其他复制手段保存研究生上交的学位论文，可以将学位论文的全部或部分内容编入有关数据库进行检索：２）为教学和科研目的，学校可以将公开的学位论文或解密后的学位论文作为资料在图书馆、资料室等场所或在校园网上供校内师生阅读、浏览。
本人学位论文全部或部分内容的公布（包括刊登）授权西安理工大学研究生部办理。
（保密的学位论文在解密后，适用本授权说明）
论文作者签名：―至ｊ晕二导师签名３００８年３月ｊ６日
包含各类专业文献、各类资格考试、外语学习资料、高等教育、专业论文、生活休闲娱乐、中学教育、基于支持向量机的医学图像处理91等内容。　
　基于支持向量机的图像分类研究_工学_高等教育_教育专区 暂无评价|0人阅读|0次下载基于支持向量机的图像分类研究_工学_高等教育_教育专区。目录 摘要... 2 Abstra... 　支持向量机理论最初就是基于样本线性可分时的最优分类超平面理论发展 起来的,...了新方法对图像分割和提取的影 响,证明了利用新方法对医学图像处理的可行性和... 　基于支持向量机的图像分类研究_电子/电路_工程科技_专业资料。目录 摘要......3 3.1 图像内容的描述及特征提取图像内容的描述模型 图像的表示是图像分析和处理的基... 　基于SVM与数学形态学的数字图像处理_专业资料。基于 SVM 与数学形态学的数字图像处理 摘要:本文在支持向量机(svm)的基础上引入数学形态学,提 出了基于 svm 与数学... 　石家庄铁道大学四方学院毕业设计 基于支持向量机的图像分割技术 Image Segmentation ...处理的速度还有待提高,特别是某些复杂的图像,如:医学图像处理,遥 感图像处理等... 　而统计学习理论是一种专门的小样本 统计理论,基于统计学习理论的支持向量机技术是一种新 计算机的模式识别技术是目前研究的热点,本文将探讨运用图像处理技 术来进行... 　基于支持向量机的机械故障诊断摘要:支持向量机(SVM)是建立在统计学习理论和结构...除了在图像处理 领域进行分类、识别之外,在控制、建模、预测、 综合评价、知识... 　不仅如此,支持向量机在生物信息学上的应用还包括了蛋白质的识别,细胞的定位,癌 症的模型预测等等等等的研究领域发挥着重要作用。 3.2 图像处理 医学图像中的分割...