论文研究 结合信息能度量的核形态差异学习.pdf

利用核映射及非局部均值降噪特性构造相似性度量，即信息能度量。通过对细胞表型图进行特征映射并结合信息能度量得到图像特征的形态差异目标函数，依据梯度上升优化获取最优度量矩阵，建立基于核方法的形态差异学习模型。该模型特点在于：不仅考虑了各类样本的相似性，同时在降低噪声影响形态差异学习的过程中充分利用了图像的高阶统计量和非线性特征。实验结果表明，该核化算法灵敏度更高，且具有较好的鲁棒性，能有效应用于临床诊断。