科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高眼科疾病诊断的精度，将Multi-agent和分布式思想引入支持向量机(SVM),提出一种基于云计算MapReduce框架的SVM眼科疾病诊断模型。通过眼底图像分割提取计算神经视网膜边缘比率(NRR)、杯盘比(CDR)和视网膜血管比率(BVR)三个临床特征参数；这三个临床特征参数作为SVM的输入向量，眼科疾病类型作为SVM的输出向量，建立基于云计算MapReduce框架的SVM眼科疾病诊断模型。研究结果表明，与KNN、NBayes、BPNN、RBFNN和LDA相比，所提出的方法MR-SVM不但可以提高眼科疾病诊断的精度，而且能够降低计算资源的消耗，缩短训练时间，具有很好的并行性能。
