改进的FSVM结合语义特征的甲状腺图像分类方法

摘要

由于甲状腺发病率高且图像良恶性难以分辨,提出一种改进模糊支持向量机(FSVM)结合语义特征的甲状腺图像分类方法.通过概率潜在语义分析(PLSA)模型对给定的图像训练样本提取语义特征,输入到FSVM中进行分类.其中隶属度是影响FSVM分类精确性的关键,故对其进行改进,在考虑样本点到类中心距离的基础上,对样本点间的紧密度也进行了估计.利用训练生成不同的FSVM测试图像,采用集成方法将分类结果集成,避免了单分类器的分类误差.实验结果表明,该方法可获得较好的分类结果.