基于多分类器融合的骨髓细胞识别技术研究

基于多分类器融合的骨髓细胞识别技术研究

ID:36749419

大小:2.10 MB

页数:65页

时间:2019-05-14

基于多分类器融合的骨髓细胞识别技术研究_第1页
基于多分类器融合的骨髓细胞识别技术研究_第2页
基于多分类器融合的骨髓细胞识别技术研究_第3页
基于多分类器融合的骨髓细胞识别技术研究_第4页
基于多分类器融合的骨髓细胞识别技术研究_第5页
资源描述:

《基于多分类器融合的骨髓细胞识别技术研究》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、浙江大学硕士学位论文摘要摘要计算机辅助骨髓细胞图像的分类识别对多种临床疾病的诊疗有着重要意义。但由于骨髓细胞在特征和类别分布上的复杂性,外周血细胞识别的成熟技术难以在此取得令人满意的结果,针对性的研究也还比较欠缺。因此,本课题将模式识别领域中新发展起来的多分类器融合技术应用到骨髓细胞的分类识别中,并在融合理论的改善上作了一些探索性的研究。多分类器融合技术结合数据融合、机器学习、模式识别等多方面理论,将来自不同分类器的识别信息进行有机结合,以降低单分类器的设计难度,全面提取和利用分类信息,达到改善或改进传统分类算法的目的。近年来,多分类器融合技术在人脸识别、手写字符识别、遥感图像分类等

2、方向上受到了广泛重视,显示出很大的研究价值和现实应用前景,但在医学图像领域中的研究尚显不足。融合系统的实现主要关涉到三个方面:个体分类器的设计、参与融合的成员甄选、适当的融合模型的建立。本文也即从这三方面入手,首先列骨髓细胞的特征进行分析,通过遗传算法对特征集合进行处理和优选,在建立不同结构和模式的神经网络作为元分类器的基础上,提出了一种结合最小相关度和可靠性的动态成员子集优选方法;进而对不同融合模型的机理和性能进行了比较研究,并且将基于知识的融合模型——证据理论和模糊积分方法进行了改进,使其能针对识别样本适时表达出成员分类器的性能。实验表明了该融合模型相对单一分类器以及传统融合方法

3、的优越性。关键词:骨髓细胞,模式识别,多分类器,动态融合,证据理论,模糊积分+本研究得到国家自然科学基金资助(No.60272029)。II浙江大学硕士学位论文ABSTRACTThecomputer-aidedautomaticclassificationofbonemarrowcellimagesisofgreatimportancefortheclinicaldiagnosisofmanyfataldiseases.However,duetothehematopoiesisinbonemarrow,thedistributionofcelltypesareverycomplexS

4、Othatthetraditionalrecognitionmethodsfortheperipheralbloodcellshereincanhardlyattainsatis8,ingresult。ThisthesistriestOapplynewtechniquesofmultipleclassifierfusiontotheareaofidentificationofthemarrowcells.andmakeeffortstomelioratethefusionmodels.Multipleclassifierfusion,orcombination,isamodemtec

5、hniqueinpatten]recognitionareas,Throughpertinentlycombiningdifferentinformationfromvariesofsimpleclassifiers,theclassificationaccuracyCanbefairlyimprovedandthedifficult},ofdesigningasingle,high—accuracyclassifiercouldbeavoided.Inrecentyears,fusionmethodsofmanykindshavebeenwidelyusedintheidentif

6、icationofhumanface,hand—writtencharacters,remotesenseimages,etc.,butrelativelyrarelystudiedinthemedicalimageregion.Theconstructionofafusionsystemmainlyconcernstothreesteps:Devisingindividualclassifiers,selectionofthecomponentclassifiers,anddesigningproperfusionmodeltocombinethesecomponents.Inth

7、ispaper,aftercellfeaturesselectedbygeneticalgorithmsandBPnetworkstrainedasindividualclassifiers,adynamicclassifiersselectionmethod,whichintegratestheminimizationofcorrelationandthemaximizationofreliability,isproposedtogettheoptimi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。