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。

支撑向量机的若干医学应用研究

在医学领域中常用支撑向量机算法对不同的病情症状进行正确的分类和识别.针对所处理数据的不同特征而采用恰当的算法,选择不同的核函数,能够在很大程度上减少计算量,提高分类和识别的速度.如舌色、苔色识别采用线性和非线性结合的交叉训练法,识别率可达93.87%;肿瘤形状特征分类和肾结石分类均采用非线性算法,所用核函数为高斯核函数,准确率可达95%以上.