资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
文章类型：
机构：
[1]河北大学附属医院发展规划办公室
行政机构
发展规划办公室
河北大学附属医院
[2]河北大学电子信息工程学院
[3]河北大学附属医院病理科
医技
病理科
河北大学附属医院
出处：
ISSN：
关键词：
支持向量机
参数优化
病理图像
图像分类
摘要：
为了提高医学病理图像分类的准确率,提出了一种带有粒子位置权重和粒子之间相关度函数的PSO（particle swarm optimization）参数寻优算法.首先,在经典PSO算法的基础上提出了一种基于适应性原则的位置更新策略.然后,在粒子进行参数寻优的过程中,设计了一个增加粒子之间相关性的函数.该算法可以在不考虑速度影响的情况下进行参数最优解的搜索.最后,用经过PSO优化的支持向量机（SVM）算法分类检测病理图像.实验结果表明,该算法的分类准确率达到了98.5%,较高于另外几种算法.分类检测结果符合临床诊断结果,满足医学研究要求.
基金：
河北省自然科学基金资助项目（F2017201192）；;河北省医学科学研究重点课题（ZL20140223）；
第一作者：
第一作者机构：
[1]河北大学附属医院发展规划办公室
推荐引用方式(GB/T 7714)：
董斌,王云涛,贾立男,等.改进的pso优化svm的病理图像分类算法[J].河北大学学报(自然科学版).2020,40(05):543-551.
