[发明专利]基于随机森林分类模型的细胞识别方法和装置

摘要

本申请公开了一种基于随机森林分类模型的细胞识别方法和装置。该方法包括：利用原始细胞图像样品集合训练随机森林分类模型，对所述随机森林分类模型进行测试，得到最优样本准确率；将所述最优样本准确率对应的随机森林分类模型作为适应度值计算函数，利用人工鱼群算法得到最优人工鱼个体，更新随机森林分类模型的预设棵数的初始值和特征子集数目参量的初始值，重复上述步骤直到最优特征值对不再变化为止；利用与所述最优特征值对应的随机森林分类模型对待检测图像中的细胞进行分类。本申请利用人工鱼群算法对随机森林分类器进行特征选择，解决了该模型中特征冗余、整个分类器的泛化能力不足的问题。

主权项

1.一种基于随机森林分类模型的细胞识别方法，包括：参量初始化步骤：基于随机森林分类模型的预设棵数和特征子集数目，设置所述预设棵数的范围和所述特征子集数目的范围；模型获得步骤：在所述预设棵数的范围和所述特征子集数目的范围内，将所述预设棵数和所述特征子集数目随机组合成特征值对，所述特征值对形成特征值对集合；对于所述特征值集合中的每一个特征值对，利用原始细胞图像样品集合训练随机森林分类模型，对所述随机森林分类模型进行测试，得到样本准确率，将最优样本准确率作为所述特征值集合的样本准确率；参量更新步骤：将所述最优样本准确率对应的随机森林分类模型作为适应度值计算函数，将所述特征值集合的样本准确率作为人工鱼群算法的适应度值，将所述特征值对的集合转换为人工鱼个体输入到人工鱼群算法，得到最优人工鱼个体，将所述最优人工鱼个体转换为最优特征值对并作为所述随机森林分类模型的预设棵数的初始值和特征子集数目参量的初始值，重复所述参量初始化步骤，直到最优特征值对不再变化为止；和分类步骤：利用与所述最优特征值对应的随机森林分类模型对待检测图像中的细胞进行分类。