|
|
|
| HHT在白细胞亚群分类算法中的应用 |
| 陈铭钧陶凌李富贵刘九畅 |
| 南昌大学信息工程学院南昌航空大学信息工程学院 |
|
|
|
|
摘要 与常规的白细胞亚分类方法不同,提出一种新型的白细胞分类方法,该方法采用希尔伯特黄变换将细胞光学信号自适应分解,并利用支持向量机构建细胞亚分类模型进行识别分类。实验结果:白细胞亚类可比性和相关性达到了血液分析仪行业标准要求。该方法为细胞信号分析以及亚分类提供了新思路。
|
|
| 关键词 ：
信号分析,
细胞分类,
希尔伯特黄变换,
特征向量,
支持向量机
|
|
|
| 基金资助:国家自然科学基金资助项目(61261011)； 江西省研究生创新专项资金项目(YC2015-S033)； |
| [1] |
赖清衷卫声熊鹏文黄嘉诚任倩茹. 基于BP神经网络与多分类支持向量机的水质识别与分类[J]. 南昌大学学报（理科版）, 2016, 40(06): 563-. |
| [2] |
曾莉； 肖明. 计算实对称矩阵特征值特征向量的幂法[J]. 南昌大学学报（理科版）, 2016, 40(04): 399-. |
| [3] |
饶泓； 陈慧佳； 董晓睿. 基于三元矩阵的层次分析多分类模型[J]. 南昌大学学报（理科版）, 2015, 39(04): 347-. |
| [4] |
沈渊彬； 刘庆珍； 李友军； 苏申. 基于模糊组合权重的BA-SVM短期负荷预测[J]. 南昌大学学报（工科版）, 2015, 37(03): 300-. |
| [5] |
陆荣秀；杨辉；欧阳超明；朱璐闻； . 基于PCA-LS_SVM的镨\钕萃取过程元素组分含量预测[J]. 南昌大学学报（理科版）, 2013, 37(06): 589-. |
| [6] |
梁声灼；谢文修；李芒； . 一种改进的1-v-1 SVM多类分类算法[J]. 南昌大学学报（理科版）, 2013, 37(03): 287-. |
| [7] |
姜海燕； 杜民. 基于最小二乘支持向量机的纳米金免疫层析试条快速定量[J]. 南昌大学学报（工科版）, 2012, 34(03): 283-. |
| [8] |
徐敏； 袁建洲； 刘四新； 郭含. 基于支持向量机的短期风电功率预测[J]. 南昌大学学报（工科版）, 2012, 34(02): 201-. |
| [9] |
林苏斌； 陈为. 基于支持向量机的热电偶高频磁场环境测温误差校正[J]. 南昌大学学报（工科版）, 2012, 34(02): 183-. |
| [10] |
曾勍炜; 徐知海; 付爱英; 邓庚盛. 融合蚁群算法与支持向量机的网络流量预测[J]. 南昌大学学报（理科版）, 2011, 35(04): 1-. |
| [11] |
汪祥; 吴武华; 廖川荣. 计算Pascal矩阵谱半径和相应特征向量的一个快速算法[J]. 南昌大学学报（理科版）, 2010, 34(01): 1-. |
| [12] |
白似雪; 刘华斌. 基于页面分块模型的PageRank算法研究[J]. 南昌大学学报（工科版）, 2008, 30(02): 1-. |
| [13] |
. 南昌大学学报(理科版)2007年总目次 [J]. 南昌大学学报（理科版）, 2007, 31(06): 1-. |
| [14] |
富坤; 富成科; 汪友华; 杨晓光. 基于支持向量机对种群特征回归分析的自适应遗传算法[J]. 南昌大学学报（理科版）, 2007, 31(04): 1-. |
| [15] |
刘显贵; 谢云敏; 陈无畏. 一种基于核主元分析的支持向量机识别方法[J]. 南昌大学学报（理科版）, 2007, 31(01): 1-. |
|
|
|
|
