基于核学习算法的内窥镜图像的识别

摘要

基于核学习算法的基本原理,给出了一种利用核主分量分析(KPCA)提取图像像素间高阶相关的非线性特征并与优化的支持向量机(SVM)相结合来进行内窥镜图像的识别方法.在对核函数的构成条件以及特性进行分析的基础上,根据推广误差上界估计函数,实现了SVM核参数及惩罚因子的优化选取;实验结果表明,KPCA在高维特征空间具有较强的特征选择能力,优化核参数的SVM的分类识别正确率高于最近邻(NN)分类器;该方法具有较高的分类识别效果。