典型文献
群智能算法的激光共焦扫描显微图像分类研究
文献摘要：
为了提升图像分类效果,研究群智能算法的激光共焦扫描显微图像分类方法.依据激光共焦扫描显微镜成像原理,获取显微图像,并分成训练图像集与预测图像集.利用蚁群算法,提取两个图像集的特征向量,通过训练图像集的特征向量,训练交叉核支持向量机,建立支持向量机模型.依据时变函数调整蚁群算法内信息素的更新规则,改进蚁群算法.利用改进蚁群算法,优化支持向量机模型的参数,获取最优激光共焦扫描显微图像分类模型,在分类模型内输入预测显微图像集的特征向量,输出激光共焦扫描显微图像分类结果.实验证明:该方法可有效分类激光共焦扫描显微图像,具备较高的图像分类精度.在不同放大倍数下,图像误分类率较低,分类后图像的平均梯度值较高,即图像清晰度高.
文献关键词：
群智能算法;激光共焦;扫描显微镜;图像分类;蚁群算法;支持向量机
中图分类号：
作者姓名：
廉侃超
作者机构：
运城学院数学与信息技术学院,山西运城 044000
文献出处：
引用格式：
[1]廉侃超-.群智能算法的激光共焦扫描显微图像分类研究)[J].激光杂志,2022(12):103-107
A类：
显微图像分类
B类：
群智能算法,激光共焦,分类研究,分类效果,分类方法,扫描显微镜,成像原理,训练图像,特征向量,核支持向量机,支持向量机模型,信息素,新规则,改进蚁群算法,优化支持向量机,分类模型,分类精度,放大倍数,误分类,后图,平均梯度,图像清晰度
AB值：
0.189699
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
