【病灶分类】基于matlab粒子群算法优化SVM病灶分类【含Matlab源码 1520期】

一、简介

首先对病灶图片进行gabor小波纹理特征提取，然后输入进经PSO优化的svm进行训练与测试分类

二、部分源代码

%% 清空环境变量以及加载数据
clc
clear
close all
warning off
format long
format compact
%% 网络结构建立
%读取数据
load img_tz %纹理特征%%
%由于特征维数过高，每个gabbor特征有1440维，不利于训练网络，因此我们用PCA进行降维
[pca1,pca2,pca3]=pca(input);
proportion=0;
i=1;
while(proportion < 95)proportion = proportion + pca3(i);i = i+1;
end
input=pca2(:,1:10);
%随机提取训练样本，预测样本
rand('seed',0)
[m n]=sort(rand(1,size(input,1)));
m=150;
train_wine=input(n(1:m),:);
train_wine_labels=output(n(1:m),:);
test_wine=input(n(m+1:end),:);
test_wine_labels=output(n(m+1:end),:);%%
%%%%% 选择最佳的SVM参数c&g-利用粒子群算法进行选择
% 粒子群参数初始化
pso_option = struct('c1',0.9,'c2',0.9,...'maxgen',200,'sizepop',50, ...'k',0.6,'wV',0.8,'wP',0.8, ...'popcmax',10^2,'popcmin',10^(-2),...'popgmax',10^2,'popgmin',10^(-2));
%%
[bestacc,bestc,bestg,trace] = psoSVMcgForClass(train_wine_labels,train_wine,test_wine_labels,test_wine,pso_option);
GlobalParams=[bestc bestg];img3= double(imresize(img2,[48 48],'bilinear'));  %采用'bilinear'：采用双线性插值算法扩展为48*48H2 = filter_image_with_Gabor_bank1(img3,filter_bank,64);%%提取gabor纹理特征suptitle('正常对应GABOR多尺度纹理特征图');data_matrix1=[data_matrix1 H2];%将提取的特征放进data_matrix1中disp(sprintf('完成正常文件夹中第%i图的gabor特征提取',i));
end
tz_image1=data_matrix1';%%
class1path=dir('溃疡');
data_matrix1=[];
for i=1%:length(class1path)-2imgpath=['溃疡\' class1path(i+2).name];%煤炭的路径img1=imread(imgpath);%读取图片figure;imshow(img1);title('溃疡原始图片')img2=rgb2gray(img1);%灰度化figure;imshow(img2);title('溃疡原始图片灰度图')img3= double(imresize(img2,[48 48],'bilinear'));  %采用'bilinear'：采用双线性插值算法扩展为48*48H2 = filter_image_with_Gabor_bank1(img3,filter_bank,64);%%提取gabor纹理特征data_matrix1=[data_matrix1 H2];%将提取的特征放进data_matrix1中suptitle('溃疡对应GABOR多尺度纹理特征图');disp(sprintf('完成溃疡文件夹中第%i图的gabor特征提取',i));
end
tz_image2=data_matrix1';%% 保存结果 以及对应标签  其中正常设为第一类 溃疡设为第二类
input=[tz_image1;tz_image2];
output=[ones(1,size(tz_image1,1)) 2*ones(1,size(tz_image2,1))]';function [bestCVaccuarcy,bestc,bestg,trace] = psoSVMcgForClass(train_wine_labels,train_wine,test_wine_labels,test_wine,pso_option)
if nargin == 4pso_option = struct('c1',0.9,'c2',0.9,'maxgen',100,'sizepop',10, ...'k',0.6,'wV',0.8,'wP',0.8,'v',5, ...'popcmax',10^2,'popcmin',10^(-2),'popgmax',10^2,'popgmin',10^(-2));
end
% c1:初始为1.5,pso参数局部搜索能力
% c2:初始为1.7,pso参数全局搜索能力
% maxgen:初始为200,最大进化数量
% sizepop:初始为20,种群最大数量
% k:初始为0.6(k belongs to [0.1,1.0]),速率和x的关系(V = kX)
% wV:初始为1(wV best belongs to [0.8,1.2]),速率更新公式中速度前面的弹性系数
% wP:初始为1,种群更新公式中速度前面的弹性系数
% v:初始为3,SVM Cross Validation参数
% popcmax:初始为100,SVM 参数c的变化的最大值.
% popcmin:初始为0.1,SVM 参数c的变化的最小值.
% popgmax:初始为1000,SVM 参数g的变化的最大值.
% popgmin:初始为0.01,SVM 参数c的变化的最小值.Vcmax = pso_option.k*pso_option.popcmax;
Vcmin = -Vcmax ;
Vgmax = pso_option.k*pso_option.popgmax;
Vgmin = -Vgmax ;eps = 10^(-3);% 产生初始粒子和速度
for i=1:pso_option.sizepop% 随机产生种群和速度pop(i,1) = (pso_option.popcmax-pso_option.popcmin)*rand+pso_option.popcmin;pop(i,2) = (pso_option.popgmax-pso_option.popgmin)*rand+pso_option.popgmin;V(i,1)=Vcmax*rands(1,1);V(i,2)=Vgmax*rands(1,1);% 计算初始适应度fitness(i) =fun(pop(i,:),train_wine_labels,train_wine,test_wine_labels,test_wine)
end

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

【病灶分类】基于matlab粒子群算法优化SVM病灶分类【含Matlab源码 1520期】相关推荐

【SVM回归预测】基于matlab粒子群算法优化SVM回归预测【含Matlab源码 1424期】
⛄一.粒子群算法简介 1 引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在.生物学家Craig Reynolds在1987年提出了一个非常有影响的鸟群聚集模型,在他的仿真中,每一个个体都 ...
【ELM回归预测】基于matlab粒子群算法优化ELM回归预测【含Matlab源码 036期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源: [优化预测]基于matlab粒子群算法优化ELM神经网络预测[含Matlab源码 036期] 二.粒子群算法及ELM简介 1 粒子群算法简 ...
【ELM回归预测】基于matlab粒子群算法优化ELM回归预测【含Matlab源码 1722期】
一.粒子群算法优化极限学习机ELM简介 PSO-ELM优化算法预测模型 ELM模型在训练之前可以随机产生ω和b, 只需要确定隐含层神经元个数及隐含层神经元激活函数, 即可实现ELM预测模型的构建.在E ...
【ELM回归预测】基于matlab粒子群算法优化ELM回归预测【含Matlab源码 1586期】
一.粒子群算法简介 1 粒子群算法简介 1.1 引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在.生物学家Craig Reynolds在1987年提出了一个非常有影响的鸟群聚集模型,在他 ...
【SVM回归预测】基于matlab粒子群算法优化SVM回归预测（多输入多输出）【含Matlab源码 1421期】
一.粒子群算法简介 1 引言自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在.生物学家Craig Reynolds在1987年提出了一个非常有影响的鸟群聚集模型,在他的仿真中,每一个个体都遵 ...
【数字信号去噪】基于matlab粒子群算法优化VMD分解分量选择数字信号降噪【含Matlab源码 1979期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[数字信号去噪]基于matlab粒子群算法优化VMD分解分量选择数字信号降噪[含Matlab源码 1979期] 点击上面蓝色字体,直接付费 ...
【飞行器】基于matlab蚁群算法飞行器巡检路径【含Matlab源码 268期】
一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[飞行器]基于matlab蚁群算法飞行器巡检路径[含Matlab源码 268期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: ...
【Matlab图像加密】正交拉丁方置乱算法图像加解密【含GUI源码 182期】
一.代码运行视频(哔哩哔哩) [Matlab图像加密]正交拉丁方置乱算法图像加解密[含GUI源码 182期] 二.matlab版本及参考文献一.代码运行视频(哔哩哔哩) [Matlab图像处理]自动 ...
【Matlab身份证识别】身份证号码识别【含GUI源码 014期】
一.代码运行视频(哔哩哔哩) [Matlab身份证识别]身份证号码识别[含GUI源码 014期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...
【Matlab车牌识别】停车计费系统【含GUI源码 735期】
一.代码运行视频(哔哩哔哩) [Matlab车牌识别]停车计费系统[含GUI源码 735期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MATLA ...