多分类器组合及其在医学图像分类中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·选题依据及研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·分类器组合的研究现状 | 第12-13页 |
| ·医学图像分类的研究现状 | 第13-14页 |
| ·本文的研究内容及主要工作 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| 第二章 医学图像分类技术研究 | 第16-34页 |
| ·医学图像分类 | 第16-17页 |
| ·医学图像预处理 | 第17-20页 |
| ·医学图像的格式转换 | 第17页 |
| ·医学图像尺度的归一化 | 第17-18页 |
| ·医学图像的去噪与增强 | 第18-20页 |
| ·医学图像特征提取 | 第20-25页 |
| ·灰度直方图特征的提取 | 第20-21页 |
| ·灰度共生矩阵特征提取 | 第21-23页 |
| ·小波变换特征提取 | 第23-25页 |
| ·常用的分类技术 | 第25-33页 |
| ·贝叶斯分类算法 | 第25-27页 |
| ·BP神经网络算法 | 第27-30页 |
| ·决策树方法 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 多分类器组合技术研究 | 第34-45页 |
| ·组合的有效性问题 | 第34-35页 |
| ·分类器组合的方法 | 第35-38页 |
| ·投票表决法 | 第35-36页 |
| ·Bagging与Boosting | 第36-37页 |
| ·Stacking算法 | 第37-38页 |
| ·Cascade组合分类方法 | 第38-43页 |
| ·Cascade算法思想 | 第39-40页 |
| ·成员分类器的选择 | 第40-42页 |
| ·Cascade算法描述 | 第42-43页 |
| ·实验与结果比较 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于增量式的多分类器组合技术研究 | 第45-56页 |
| ·增量学习简介 | 第45-47页 |
| ·问题的提出 | 第45页 |
| ·增量学习的定义 | 第45-47页 |
| ·增量式组合分类算法 | 第47-50页 |
| ·改进的增量式Cascade组合分类模型 | 第50-53页 |
| ·Cascade组合增量模型 | 第50-52页 |
| ·算法描述 | 第52页 |
| ·性能分析 | 第52-53页 |
| ·实验与结果比较 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 多分类器组合在医学图像中的应用 | 第56-65页 |
| ·医学图像的组合分类模型 | 第56-57页 |
| ·医学图像的预处理与特征数据提取 | 第57页 |
| ·医学图像组合分类器的设计与实现 | 第57-60页 |
| ·系统运行环境 | 第57页 |
| ·成员分类器的选择 | 第57-58页 |
| ·实验数据的处理 | 第58-60页 |
| ·分类规则的抽取 | 第60-64页 |
| ·基本思想与步骤 | 第60-61页 |
| ·实例集的产生与处理 | 第61-62页 |
| ·属性约简 | 第62-63页 |
| ·规则产生 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·本文的主要工作及结论 | 第65页 |
| ·对今后工作研究的建议 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录1: 读研期间发表和录用论文目录 | 第71页 |
| 附录2: 读研期间参与项目目录 | 第71页 |
