支持向量机测定组织光学参数的仿真实验研究

支持向量机测定组织光学参数的仿真实验研究

ID:46637404

大小:732.31 KB

页数:4页

时间:2019-11-26

支持向量机测定组织光学参数的仿真实验研究_第1页
支持向量机测定组织光学参数的仿真实验研究_第2页
支持向量机测定组织光学参数的仿真实验研究_第3页
支持向量机测定组织光学参数的仿真实验研究_第4页
资源描述:

《支持向量机测定组织光学参数的仿真实验研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第33卷第4期2015年8月中国民航大学学报JOURNALOFCIVILAVIATIONUNIVERSITYOFCHINAV01.33No.4August2015支持向量机测定组织光学参数的仿真实验研究杨丽,高美婷(中国民航大学理学院,天津300300)摘要:对新近发展的支持向量回归机确定组织光学参数的特性和规律进行了仿真实验研究。首先通过蒙特卡洛模拟获得与336组人体组织的光学特性参数相对应的组织表面漫反射光分布作为样本数据集.并将其分为训练集和测试集两部分。通过建立不同条件下的组织表面漫射光分布与光学参数之间的支持向

2、量回归模型,研究了支持向量机用于测定组织光学参数时,训练集样本的个数、训练集与测试样本的关系以及数据预处理方法等因素对测量精度的影响。结果表明,在小样本条件下风和胁的平均相对误差分别为O.98%和4.34%:支持向量回归机用于组织光学参数测定不仅具有较高的精度,而且对样本数具有很好的适应性。关键词:光学参数;支持向量机;蒙特卡洛模拟中图分类号:R318.51文献标志码:A文章编号:1674—5590(2015)04—0042—04Simulationexperimentalstudyondeterminationofti

3、ssueopticalparametersbySVMmethodYANGLi,GA0Mei-ting(CollegeofScience,CAUC,Tianjin300300,China)Abstract:Characteristicsandlawsofopticalparametersmeasuringbyrecentdevelopmentofsupportvectorregressionalgorithmaresimulatedandstudied.Firstly336opticalparametersamplesan

4、dthecorrespondingdiffusereflectancedistributionareobtainedbyMonteCadosimulation,andthesamplesaredividedintotrainingsetandtestingset.Byestablishmentofsupportvectormachines(SVM)modelsbetweenopticalparametersanddiffusereflectancedistributionindifferentconditions,var

5、iousfactorsonpredictionaccuracyofSVMareresearched,includingthenumbersoftrainingset,therelationshipbetweentrainingsetandtestingsetandthedatapreprocessingmethods.Resultsshowthatinsmallsampleconditionthemaximumaveragerelativeerrorof弘tand弘廿areo.98%and4.34%respectivel

6、y.TheSVMusedfordeterminationoftissueopticalparametershashighaccuracyandgoodadaptabilitytothenumberofsamples.Keywords:opticalparameters;supportveetormachines;MonteCarlosimulation激光与生物组织间的相互作用主要包括光子的被吸收和被散射,在组织表面形成的漫反射光分布决定于生物组织的光学特性参数,能够反映组织生理及病理状态。因此,研究确定组织光学参数的有

7、效方法是实现生物组织病理状态光诊断的重要基础㈣。光学特性参数主要包括吸收系数地、优化散射系数肌’、全衰减系数肌、有效衰减系数p。矿和各向异性因子g(散射角余弦的平均值)等。目前,从漫反射光分布中确定组织光学参数的常见方法有漫射近似法[31、神经网络(neuralnetwork,NN)问等。漫射近似法[5-6q只适用于高散射低吸收的介质;NN是基于样本趋于无穷大的条件下进行研究的一种机器学习方法[7-Sl,对于小样本系统,预测的结果存在不稳定性。支持向量机(supportvectormachines,SVM)是由Vapni

8、k等人在1995年提出的一种新的机器学习方法【9-111;该方法在解决小样本、非线性及高维模式识别中表现出许多特有的优势。近年来,SVM在识别、分类及回归等研究领域中都获得了较好的应用[121。但将其用于确定组织光学参数的研究报道尚很少见,SVM用于确定组织光学参数时的特性、规律及影响测量精度的因素等尚不十分清楚。收

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。