排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
基于主成份分析和支持向量机的MRI图像多目标分割 总被引:1,自引:1,他引:1
在MRI图像中,颅内各组织的边界极其复杂且不规则,这对传统的分割算法提出严峻的挑战.主成份分析(PCA)可达到降维和消除冗余信息的目的,为使支持向量机(SVM)准备的样本空间更为紧凑、合理.本研究采用PCA将图像的57维特征向量处理后,研究多分类SVM对MRI图像进行多目标分割,成功提取颅内各组织不规则边界.理论和实验表明,基于PCA和SVM相结合的分割性能优于仅采用SVM的分割性能. 相似文献
2.
利用小波神经网络求解脑电等效偶极子源参数 总被引:2,自引:0,他引:2
提出了多维单尺度径向基小波神经网络的构造性算法 ,并将之应用到脑电等效偶极子源定位问题 ,从而避开对模型系统描述的困难和现有的迭代类求解方法计算时间较长的问题。通过对解空间的随机抽样由正向计算形成学习样本 ,使小波神经网络在训练过程中建立起自己的逆映射联想记忆 ,以正确推断出头皮观测电位与脑内源发生器之间的内在联系 ,使之对于新的脑电数据能实时地、准确地估算出等效偶极子源的参数 ,为脑电的动态分析提供一条途径。计算机仿真计算结果证明了此方法的有效性 相似文献
1