《表2 不同特征提取方式下多项式核函数的分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《新疆哈萨克族食管癌图像特征提取及分型方法的探讨》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文提出构造SVM分类器对基于灰度-梯度共生矩阵和灰度共生矩阵提取的特征进行分类。SVM类型设置上选择C-SVC，选择多项式核函数，通过调整C-SVC分类器的参数进行实验。将提取到的3种特征值输入到构造的分类器中，实验结果见表2。当SVM（C=3）时，灰度-梯度共生矩阵法的分类准确率达到72.75%，混合纹理特征的分类准确率达到86.25%，而灰度共生矩阵的分类准确率为83.25%；但SVM（C=2）时，灰度共生矩阵的分类准确率提高到85.25%。由此可看出，混合的灰度-梯度共生矩阵和灰度共生矩阵提取的特征更适用于正常食管和蕈伞型食管癌的分类。本研究所使用的特征及分类器为新疆哈萨克族食管癌图像的分类提供一种新思路。