买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通大学

摘要：本发明提供一种基于粒度优化特征的宫颈细胞图像半监督分类方法，包括如下步骤：1利用有限的标记训练样本和类别隶属模糊方法，得到训练和测试样本的粒度特征；2使用近邻粗糙集方法去除冗余特征，对粒度特征进行优化，以降低样本粒度特征规模；3利用标记样本训练BP神经网络得到基分类器；4从未标记样本数据中不断选取候选样本进行标记，将新标记的候选样本扩充到原始训练样本中对BP网络进行再次训练，重复扩充和再训练过程，直到标记样本数目达到相应标准。本发明能够准确高效地对宫颈细胞图像进行分类，兼具更优的分类准确率和kappa系数。

主权项：1.一种基于粒度优化特征的宫颈细胞图像半监督分类方法，其特征在于，包括如下步骤：1利用有限的标记训练样本和类别隶属模糊方法，得到测试样本的粒度特征；2使用近邻粗糙集方法去除冗余特征，对粒度特征进行优化，以降低样本粒度特征规模；3利用标记样本训练BP神经网络得到基分类器；4从未标记样本数据中不断选取候选样本进行标记，将新标记的候选样本扩充到原始训练样本中对BP网络进行再次训练，重复扩充和再训练过程，直到标记样本数目达到相应标准；所述步骤1中，类别隶属模糊方法的目标是将每个特征刻画成模糊隶属度，利用类别隶属度信息对原始特征进行重构，具体步骤为：1-1设每个样本有n维特征Fi＝Fi1,Fi2,…,Fin，将样本的每一维特征表示成为模糊粒度，得到n×C大小的矩阵：F’i＝[μ1Fi1,μ2Fi1,…,μcFi1,…,μCFi1,μ1Fi2,μ2Fi2,…,μcFi2,…,μCFi2,…,μ1Fin,μ2Fin,…,μcFin,…,μCFin]；其中，C为样本类别数目，c＝1,2,…,C，μ1Fin,μ2Fin,…,μcFin,…,μCFin表示样本的每个维度特征属于不同类别的隶属度；1-2将每维特征类别的隶属度映射到模糊粒度空间，空间元素为： 其中，N是成员函数的模糊度，取值为2，模糊成员函数的中心为r＝p+q÷2，p和q是交点；当训练样本更接近类别C时，r的值更接近于1；当样本更接近交点时，值更接近于0.5；训练样本中心点r＝meanFn，为第n维特征的平均值；上述交点的估算公式是：p＝meanFn-[maxFn-minFn]÷2，q＝meanFn+[maxFn-minFn]÷2；其中，maxFn和minFn是第n维特征的最大值和最小值；极值点的估算公式是：a＝meanFn-[maxFn-minFn]，b＝meanFn+[maxFn-minFn]；1-3保存上述训练和测试样本的模糊粒度特征表达形式；1-4将模糊粒度特征分为条件特征D和决策特征E，条件特征D表示样本的描述性和模式性信息，决策特征E表示分配给条件特征的类别标签。

全文数据：

权利要求：

百度查询： 南通大学 一种基于粒度优化特征的宫颈细胞图像半监督分类方法