论文部分内容阅读
最小平方误差方法（LeastSquareError，MSE）因其在对模式分类中所具备的有效性和高效性，在模式识别领域得到广泛的应用。同时基于核方法的非线性理论的不断成熟，针对医学图像识别通常存在的非线性可分问题，提供了一种有效的解决途径。本文将两者结合，并针对MSE中存在的投影向量“超定”的问题加以分析和改进，提出了这种基于核理论的最小模最小平方误差方法（KernelMinimalMeanSquareError，KMNMSE），并建立了一种一般的MNMSE分类器模型。最后通过在CT医学图像上做了大量的实验