特征选择算法研究及其在孤立肺结节诊断中的应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·问题的提出及研究意义 | 第9-10页 |
| ·研究现状简介 | 第10-12页 |
| ·论文主要工作 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 2 机器学习中特征选择算法的介绍 | 第14-25页 |
| ·特征选择的基本概念 | 第14-19页 |
| ·特征选择的定义 | 第14-15页 |
| ·特征选择过程 | 第15-18页 |
| ·特征选择分类 | 第18-19页 |
| ·部分典型特征选择算法介绍 | 第19-22页 |
| ·Filter 类 | 第19-21页 |
| ·Wrapper 类 | 第21页 |
| ·Filter 和Wrapper 组合式算法 | 第21-22页 |
| ·特征选择的应用研究 | 第22-24页 |
| ·特征对比和选用 | 第22-23页 |
| ·研究特征选择需要注意的问题 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 改进的RS-GA 特征选择算法 | 第25-34页 |
| ·粗集理论概述 | 第25-26页 |
| ·改进的RS-GA 的特征选择算法设计 | 第26-30页 |
| ·基本遗传算法框架 | 第26-27页 |
| ·粗集中属性的相关依赖度 | 第27页 |
| ·具体的基于RS-GA 特征选择算法技术 | 第27-30页 |
| ·实验设计与结果分析 | 第30-33页 |
| ·实验数据 | 第30页 |
| ·数据预处理和实验方案 | 第30-31页 |
| ·实验结果与分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于蚁群算法的组合式特征选择方法 | 第34-50页 |
| ·蚁群算法 | 第34-37页 |
| ·蚁群算法的基本思想 | 第34页 |
| ·蚁群算法的原理 | 第34-35页 |
| ·简单蚁群算法的流程 | 第35-36页 |
| ·蚁群算法的现状 | 第36-37页 |
| ·基于ACA 的组合式特征选择算法的设计 | 第37-42页 |
| ·问题的描述和算法思想 | 第37页 |
| ·用于特征选择的蚁群系统建模 | 第37-38页 |
| ·组合式特征选择算法的设计 | 第38-41页 |
| ·算法的实现 | 第41-42页 |
| ·分类器的选择 | 第42-45页 |
| ·分类方法的评估标准 | 第42-43页 |
| ·分类方法的研究 | 第43-44页 |
| ·组合式特征选择方法对分类器的选择 | 第44-45页 |
| ·实验设计与结果分析 | 第45-49页 |
| ·实验数据 | 第45页 |
| ·实验结果 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 5 SPN 计算机辅助诊断系统和特征选择的应用 | 第50-63页 |
| ·SPN 计算机辅助诊断系统简介 | 第50-53页 |
| ·目的及意义 | 第50-51页 |
| ·系统的设计 | 第51-52页 |
| ·小组分工 | 第52-53页 |
| ·知识库的建立 | 第53-56页 |
| ·肺部CT 图像的数据、规则采集 | 第53-55页 |
| ·特征的层次化结构 | 第55-56页 |
| ·特征选择的实验结果和分析 | 第56-62页 |
| ·数据集 | 第56-57页 |
| ·性能评估指标 | 第57-58页 |
| ·特征选择实验方案 | 第58-59页 |
| ·实验结果与分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录作者在攻读硕士学位期间的其它工作 | 第70页 |
