文献类型：期刊文章

作　　者：成则丰[1] 程路遥[2] 金文英[3] 程存归[1]

机构地区：[1]浙江师范大学浙江省固体表面反应化学重点实验室,浙江金华321004 [2]长春理工大学计算机科学技术学院,吉林长春130022 [3]义乌工商职业技术学院计算机工程系,浙江义乌322000

出　　处：《哈尔滨工程大学学报》

年　　份：2006

卷　　号：27

期　　号：B07

起止页码：366-369

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAS、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI(收录号：20064310200793)、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：支持向量机（SVM）是根据统计理论提出的一种新的学习算法．为了进行临床中经常出现的正常甲状腺组织与甲状腺癌组织分类，文章以82对正常甲状腺组织与甲状腺癌组织为实验材料，通过FTIR—SVM建立了正常甲状腺组织与甲状腺癌组织识别的模型．试验结果显示，对学习训练集中的70个样品模型识别率为100％，对94个预测样品的识别准确率为98．9％．研究结果表明，FTIR—SVM可以用于正常甲状腺组织与甲状腺癌组织的区别．

关 键 词：傅里叶变换红外光谱法 支持向量机 正常甲状腺组织  甲状腺癌组织

分 类 号：O675.3[化学类] TP181]