换一批
换一批改进和声搜索算法优化LSSVM的脑CT图像分类
Brain CT image classification based on least squares support vector machine opti-mized by improved harmony search algorithm
摘要为了提高脑CT图像的分类正确率，针对分类器中的最小二乘支持向量机（LSSVM）参数优化问题，提出一种改进和声搜索算法优化LSSVM的脑CT图像分类模型（IHS-LSSVM）。将LSSVM参数看作不同乐器的声调组合，通过和声搜索算法的“调音”找到最优参数，并在寻优过程中引入粒子群算法的最优位置更新策略，增强了算法跳出局部极小值的能力，根据最优参数建立脑CT图像分类模型，并对模型的性能进行仿真测试。仿真结果表明，相对于对比模型，IHS-LSSVM不仅提高了脑CT图像分类正确率，而且加快分类速度，是一种有效的脑CT图像分类模型。
更多相关知识
关键词
脑CT图像分类最小二乘支持向量机和声搜索算法粒子群优化算法medical image classificationleast squares support vector machinesharmony search algorithmparticle swarm op-timization algorithm
分类号
TP181
栏目名称
数据库、数据挖掘、机器学习
DOI
10.3778/j.issn.1002-8331.1304-0018
发布时间
2013-12-04
- 浏览0
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
