鼻咽癌细胞协同模式分类识别方法研究
| 摘要 | 第1-12页 |
| Abstract | 第12-15页 |
| 第一章 绪论 | 第15-26页 |
| ·课题应用背景与研究意义 | 第15-16页 |
| ·国内外研究状况 | 第16-22页 |
| ·单个细胞的有形成分分割提取研究 | 第17-18页 |
| ·传统的细胞分类识别研究 | 第18-19页 |
| ·协同模式识别研究 | 第19-22页 |
| ·论文的主要工作及创新 | 第22-24页 |
| ·论文内容与组织 | 第24-26页 |
| 第二章 鼻咽癌协同模式识别方法及细胞图像预处理 | 第26-60页 |
| ·鼻咽癌协同模式识别方法 | 第26-34页 |
| ·鼻咽癌细胞学诊断概述 | 第26-27页 |
| ·协同学基本概念及协同模式识别方法 | 第27-34页 |
| ·显微图像的处理 | 第34-58页 |
| ·图像去噪 | 第34-37页 |
| ·图像分割 | 第37-45页 |
| ·细胞边缘提取 | 第45-50页 |
| ·重叠细胞的分离和重叠区域重建 | 第50-58页 |
| ·本章小节 | 第58-60页 |
| 第三章 协同模式识别学习算法 | 第60-95页 |
| ·引言 | 第60-62页 |
| ·最优原型模式的求解方法 | 第62-66页 |
| ·概述 | 第62页 |
| ·粒子群优化的原型模式重构方法 | 第62-64页 |
| ·实验与分析 | 第64-66页 |
| ·势能函数最优化的协同学习算法 | 第66-76页 |
| ·概述 | 第66-67页 |
| ·势能函数优化模型 | 第67-68页 |
| ·记忆梯度法的基本原理 | 第68-70页 |
| ·基于记忆梯度法的势函数优化的算法 | 第70-73页 |
| ·实验和分析 | 第73-76页 |
| ·基于稀疏变换的协同模式学习方法 | 第76-87页 |
| ·概述 | 第76-77页 |
| ·图像的稀疏表示 | 第77-81页 |
| ·多尺度融合的协同原型模式生成 | 第81-85页 |
| ·实验结果和分析 | 第85-87页 |
| ·基于粗糙集约简的协同模式识别学习方法 | 第87-93页 |
| ·概述 | 第87-88页 |
| ·粗糙集区分矩阵属性约简算法 | 第88-89页 |
| ·图像特征提取及选择 | 第89-90页 |
| ·基于粗糙集约简特征的的协同模式识别分类方法 | 第90-92页 |
| ·实验结果和分析 | 第92-93页 |
| ·本章小节 | 第93-95页 |
| 第四章 优化协同神经网络的鼻咽癌分类识别 | 第95-124页 |
| ·引言 | 第95-96页 |
| ·协同序参量层的优化 | 第96-111页 |
| ·序参量层几何意义 | 第96-98页 |
| ·序参量层变换 | 第98页 |
| ·传统的序参量变换方法 | 第98-101页 |
| ·正交逼近的序参量变换方法 | 第101-107页 |
| ·实验结果和分析 | 第107-111页 |
| ·协同神经网络参数优化 | 第111-123页 |
| ·协同神经网络参数分析 | 第112-115页 |
| ·协同神经网络参数优化算法 | 第115-119页 |
| ·实验结果与分析 | 第119-123页 |
| ·本章总结 | 第123-124页 |
| 第五章 协同不变性方法 | 第124-134页 |
| ·概述 | 第124-125页 |
| ·基于势函数共轭梯度交替迭代的协同不变性算法 | 第125-129页 |
| ·仿射变换 | 第125页 |
| ·协同仿射不变性方法 | 第125-126页 |
| ·基于势函数共轭梯度交替迭代的协同不变性算法 | 第126-129页 |
| ·实验结果和分析 | 第129-133页 |
| ·本章总结 | 第133-134页 |
| 第六章 结论与展望 | 第134-138页 |
| ·工作总结 | 第134-135页 |
| ·研究展望 | 第135-138页 |
| 致谢 | 第138-140页 |
| 参考文献 | 第140-155页 |
| 作者在学期间取得的学术成果 | 第155-157页 |
| 附录A 数据及相关的公式推导 | 第157-163页 |
