基于改进的SVM分类器的医学图像分类新方法

	基于改进的SVM分类器的医学图像分类新方法
	蒋芸1,2 ; 李战怀 2
	2008
发表期刊	计算机应用研究
ISSN	1001-3695
卷号	No.195 期号:1 页码:53-55
摘要	支持向量机（SVM）是一种准确度高的分类器,具有很好的容错和归纳能力;粗糙集理论方法在处理大数据量、消除冗余信息等方面具有优势。将两者相结合提出一种改进的SVM分类算法ISVM,并将其应用于乳腺X光图像分类。实验结果表明,ISVM的分类精确度可达到96.56%,比SVM的分类精确度（92.94%）要高3.42%,同时错误分辨率也平均接近100%。
关键词	改进的支持向量机方法粗糙集乳腺X光图像
URL	查看原文
收录类别	北大核心
语种	中文
原始文献类型	学术期刊
中图分类号	TP391.41
文献类型	期刊论文
条目标识符	https://ir.nwnu.edu.cn/handle/39RV6HYL/43479
专题	实体学院_数学与统计学院实体学院_计算机科学与工程学院
作者单位	1.西北师范大学数学与信息学院计算机系,兰州730070; 2.西北工业大学计算机学院,西安710072
第一作者单位	数学与统计学院
第一作者的第一单位	数学与统计学院
推荐引用方式 GB/T 7714	蒋芸,李战怀. 基于改进的SVM分类器的医学图像分类新方法[J]. 计算机应用研究,2008,No.195(1):53-55.
APA	蒋芸,&李战怀.(2008).基于改进的SVM分类器的医学图像分类新方法.计算机应用研究,No.195(1),53-55.
MLA	蒋芸,et al."基于改进的SVM分类器的医学图像分类新方法".计算机应用研究 No.195.1(2008):53-55.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于改进的SVM分类器的医学图像分类新方（334KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览下载