基于SVM的HEp2图像分类研究

曹 建伟
华南师范大学

摘要


本文基于 HEp2 细胞数据集开展抗核抗体模式分类研究，探讨其自动化检测的可能性。通过方向梯度直方图提取图像纹理特征，并采用主成分分析进行降维。 利用径向基函数核支持向量机对 6 种模式进行分类，最终测试集分类准确率达到49.85%。实验结果表明，模型在部分模式的分类中表现良好，但由于数据不均衡和特征复杂性，整体分类性能仍有提升空间。未来研究可通过深度学习、数据增强和多模态特征融合等技术优化模型性能，为抗核抗体检测自动化及相关疾病的临床诊断提供技术支持。

关键词


方向梯度直方图；主成分分析；支持向量机

全文:

PDF


参考


[1]宁安安,年梅,张俊.基于PCA和多分类SVM的网络游戏流量识别[J].计算机与数字工程,2024,52(09):2739-2744.

[2]吴凡,吴佳滢,薛雷,等.基于图像处理和SVM的定位基准分类研究[J].计量与测试技术,2024,51(02):29-32+36.DOI:10.15988/j.cnki.1004-6941.2024.2.009.

[3]陶冶,曲洪权,李洋,等.基于HOG特征的脑电地形图分类算法研究[J].工业控制计算机,2023,36(10):71-72+74.

[4]王琳.基于PCA-HOG的SAR与光学图像配准方法[J].无线互联科技,2023,20(10):127-129.

[5]李小勇,韦泽贤,杨玉琳.HOG与SVM在动态称重轮轴识别中的应用研究[J].公路交通科技,2021,38(07):145-151.


Refbacks

  • 当前没有refback。