谢娟英 雷金虎 谢维信

1(陕西师范大学计算机科学学院，西安 710062)

2(西安电子科技大学电子工程学院，西安 710071)

3(深圳大学信息工程学院，ATR国家重点实验室，深圳 518060)

引言

红斑鳞状皮肤病的鉴别诊断是皮肤病科的一个难题［1］。该类疾病包括牛皮癣、脂溢性皮炎、扁平苔藓、玫瑰糠疹、克罗尼克皮炎、毛发红糠疹六个类群。这些疾病是皮肤病诊断中常见的几种疾病，有许多共同的病理特点，共享很多难以区分的临床特征，一种疾病初期经常呈现另一种疾病的特点，然后才显示该种疾病的特点［2］。一般患者最初只有12个特征作为临床诊断特征，进一步的诊断增加了在显微镜下分析得到的22个病征特征［1］。

近年来国内外诸多机器学习领域的学者关注于红斑鳞状皮肤病的诊断研究，并取得了诸多研究成果。Übeyli和Güler于2005年提出了一种自适应模糊神经网络系统来进行红斑鳞状皮肤病的诊断，达到了 95.5% 的分类准确率［3］。2006年，Luukka和Leppälampi使用模糊相似分类器进行该皮肤病的诊断研究，取得了97.02%的分类正确率［4］。同年，Polat和 Güne提出基于模糊加权预处理、最近邻加权预处理以及决策树分类器来进行红斑鳞状皮肤病的诊断研究，分别达到了88.18%、97.57%和99.00%的分类正确率［5］。Nanni于2006年应用LSVM、RS、B1_5、B1_10、B1_15、B2_5、B2_10和B2_15算法对该疾病进行分类研究，分别得到97.22%、97.22%、97.5%、98.1%、97.22%、97.5%、97.8%和 98.3% 的分类准确率［6］。2007年，Luukka提出了基于 Yu’s范数相似性度量的相似性分类器对红斑鳞状皮肤病诊断进行研究，达到的分类准确率为 97.8%［7］。Übeyli于2008年应用带有误差修正输出码的多类支持向量机对鳞状红斑皮肤病诊断的分类准确率达到了 98.32%［8］。……