基于多分类器融合的骨髓细胞识别技术研究

摘要

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.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,首先对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.

目录

文摘

英文文摘

第一章绪论

1.1课题背景

1.2细胞识别技术发展

1.3多分类器融合技术

1.4论文主要工作

第二章特征分析与细胞识别

2.1骨髓细胞的分类和基本特征

2.2特征选择

2.3细胞图像识别技术

第三章最优分类器集的设计

3.1理论框架

3.2基于最小相关度的分类器子集选择

3.3以系统识别率为目标的最优子集搜索

3.4利用机器学习理论的成员产生方法

3.5结合相关度与可靠性的成员动态选择

第四章多分类器融合技术研究

4.1融合方法概览与研究现状

4.1.1分类器选择

4.1.2分类器串行组合

4.1.3分类器并行组合

4.1.4基于层次的组合方式

4.2基于改进型Dempster-Shafer证据理论的骨髓细胞识别技术

4.2.1基本原理

4.2.2相关性分析

4.2.3矛盾冲突的分配

4.2.4基本概率分配函数构造的改进

4.2.5决策规则

4.2.6比较实验

4.3基于模糊积分理论的骨髓细胞识别技术

4.3.1模糊测度和模糊积分理论

4.3.2模糊测度的自适应动态赋值

4.3.3比较实验

第五章实验结果与分析

第六章总结与展望

参考文献

致谢

作者在硕士学位攻读期间完成学术论文情况