中医舌色苔色识别中多分类支撑向量机算法比较

为了了解在不同样本数量情况下具有何种特点的算法比较适合舌色苔色的分类与识别,本文采用一对一SVM和它的改进算法IMP-BSVM、DAG-BSVM,以及M-ary分类SVM算法对舌色、苔色分类进行了比较。结果表明,当训练样本数较少时,DAG-BSVM能有较高的正确率和较快的训练和识别速度,因此选用DAG-BSVM;当训练样本数较大时,IMP-BSVM能得到最少的支撑向量和较高的正确率以及较快的识别速度,此时则选用IMP-BSVM。

基于粗糙集与SVM概率输出的中医舌象特征融合方法研究

本文探讨采用一种基于粗糙集与支撑向量机概率输出相结合的方法研究中医舌象的多特征融合。通过粗糙集理论对舌象样本集进行二次整理,得到新的样本集(包括确定样本集和不确定样本集),在此基础上设计基于概率输出的SVM分类器。这样根据舌象的特征可以得出其属于融合目标的概率,为中医基于舌象的辅助诊断提供了量化依据,同时为中医四诊融合奠定了基础。

广义超球面SVM研究

超球面支撑向量机是不均衡样本分类的一种重要方法.然而,目前引入间隔的超球面支撑向量机中,当一类样本集中不存在支撑向量时,两类样本之间的间隔解是不确定的;在两类样本均存在正常支撑向量的情况下,两类样本之间的间隔为零.间隔不确定或为零在很大程度上影响分类器的推广性能.为此提出了一种广义的超球面支撑向量机算法,通过引入参数n和b,理论推导得出n>b,这样可以保证获得不为零的间隔解.理论分析和实验结果表明,所提供算法在具有较小经验风险的同时,可获得较好的推广性能.