欢迎来到天天文库
浏览记录
ID:35171984
大小:5.68 MB
页数:52页
时间:2019-03-20
《基于支持向量机算法的癌症组织拉曼光谱数据分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、'‘'、.1;严^侣学校编号10394图书分类号、、产学号編06做/密级公开确i'。嚇;系走巧托火筆:編I^’全日制学术学位研究生硕±学位论文tfI—?■.'m9..r基于支持向量机算法的癌症组织拉曼光谱数据分析Ramansectralanalsisofcancertissuebasedpyonsuodvectormachinespp郭利斌米簿響Ik学科专业.挙T巧:资修龜I研巧方向:化谱数据处理指导教师:膝荣教授陈冠楠副教授;等:讀I申请学位级别:工学
2、硕±论文提交日期:2015年5月16日>肖论文评阅人:叶宇煌,苏凯雄,黄浩義"论义答辩日期:2015年S月30曰.,5答辩委员会主席:捏树英^学位授予单位:福建师范大学学位授予日期:2015年6月25日-V面'-.練',>年5月.'.名.方又隊!哪;I喔,蠢产中文摘要中文摘要随着拉曼光谱技术的迅猛发展,已经有越来越多的学者用其进行生物医学方面的研究。本文介绍了激光拉曼光谱技术在癌症组织检测方面的研究意义及其国内外研究进展,并不同癌症组织的拉曼光谱数据样本作为研究对象,针对拉曼光谱数据的特点,提出使用
3、支持向量机算法对其进行分类决策,并钟对核函数及其参数的选择进斤初步的研究。本文主要研究工作如下:1.提出使用支持向量机算法解决拉曼光谱与SERS光谱的分类问题。选取胃癌、肝癌、鼻咽癌三种血浆的拉曼光谱数据和SERS数据进行分类,通过对比H类核函数对支持向量机的分类性能的影响,发现基于RBF核的支持向量机分类性能最优2一.针对同批样本数据,将基于RBF核的支持向量机算法与传统分类算法LDA进行对比分析,发现对于SERS数据的分类效果,基于RBF核的支持向量机算法相比LDA算法有不小的提升,而对于常规拉曼光谱数据,二者的效果相仿。3.针对SVM算法
4、对常规拉曼光谱数据不能取得良好提升的现象,提出针对RBF核函数参数的优化,优化后的SVM分类性能明显增强。4.使用优化RBF核参数的SVM构建模型,对食道癌狙织样本的拉曼光谱数据和SERS数据进行分析,分类结果显示比传统算法LDA在判别诊断上更有优势。本文的实验结果表明,基于RBF核的支持向量机算法在优化参数后能够很好地区分正常和异常样本的拉曼光谱数据一,为开发出种新的癌症拉曼光谱数据分类方法提供了可能。:关键词癌症;拉曼光谱;表明增强拉曼光谱;支持向量机;RBF核函数;参数优化IAbstractAbstract^ththe
5、fastdevelopmentofRamanspectroscopy,thosetechnologieshavebeenusedintilebiomedicalresearch.虹侃sthesis,introducethelaserRamanspectroscopyin也但cancertissuedctectio凸researchsignificance.Inadditio打,wsproposethesupportvectormachineonclassificationofdifere打tcan
6、certissuesaccording化thefeaturesofRamanspectroscopy.Wealsopreliminarydiscussthekernelfunctionsandtheirparameters.Themain巧searchshowsasfollows:I?虹order化solvetheclassificationofRamanspectra抑dSERSdata^weroosepptheSVMalorithm.SelecttheRamansectra
7、andSERSdataofastriccancergpg,hepatocellularcard狂omaand打asopharyngealcancer.Accordingtothecompariso打ofthreekindsofkernelfunctionsforSVMclassification,wefindthattheRBFkernelSVMalorithmsachieveoptimalerformance.gp2.F
此文档下载收益归作者所有