李 晨，王 巍

（1.西安工业大学北方信息工程学院 陕西 西安 710032；2.航天恒星空间技术应用有限公司 陕西 西安 710077）

在医学图像处理中，虽然支持向量机已应用于图像分割，并取得了较好的分割效果，但是没有考虑到相关应用领域的先验知识，对受噪声影响的医学图像，其分割效果还有待于进一步提高。基于先验知识的支持向量机可以较好地解决噪声的影响，它将对象中已知的一部分机理提取出来，作为先验知识，然后将其与样本数据相结合，共同建立可靠的样本模型。

1 支持向量机及其图像分割原理

1.1 先验知识

先验知识，是指对于学习任务除训练数据外可得到的所有信息，涵盖范围很广。例如在字符自动识别中最难区分的两个字符是0（零）和O（欧），因为他们的类间距离最近，识别的误差一般集中在这两个字符中。而由先验知识可以知道在某些位置只可能是特定的字符，例如在一串字母中的字符是O（欧）的可能性要远远大于是0（零）的可能性，反之，在如果前后都是阿拉伯数字则该字符更加可能是0（零）。

目前人工智能领域的学者将先验知识引入SVM分类模型中，主要有以下2个研究方向：1）如何选择特定背景知识下的核函数；2）直接把先验知识引入SVM分类器中，包括直接在训练样本中引入先验知识属性，然后统一通过SVM表示，文中是基于后者的研究。

1.2 引入置信度的SVM训练算法

在原始的训练数据集中，除了数据属性之外还设置一个标明该样本所属类别的类标签，把每个样本属于该类的置信度作为一个连续属性加到样本的属性中。……