| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·背景知识介绍 | 第8-10页 |
| ·研究现状 | 第10-11页 |
| ·本文研究工作以及材料准备 | 第11-12页 |
| ·本文研究工作 | 第11-12页 |
| ·材料准备 | 第12页 |
| ·本文的技术路线 | 第12-14页 |
| ·文章组织 | 第14-16页 |
| 第二章 基础理论和相关技术 | 第16-30页 |
| ·特征提取、特征选择和模式识别的基本理论 | 第16-18页 |
| ·特征提取的基本介绍 | 第16页 |
| ·特征选择的基本介绍 | 第16-17页 |
| ·模式识别的基本介绍 | 第17-18页 |
| ·相关技术的基本原理 | 第18-27页 |
| ·灰度共生矩阵 | 第18-20页 |
| ·小波变换 | 第20-21页 |
| ·主成分分析的基本原理 | 第21-25页 |
| ·核方法的基本介绍 | 第25-27页 |
| ·支持向量机的理论基础 | 第27-29页 |
| ·经验风险最小化 | 第27页 |
| ·学习过程一致性 | 第27页 |
| ·VC维 | 第27-28页 |
| ·结构风险最小化 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于胎盘B超图的特征提取 | 第30-46页 |
| ·灰度统计量分析的特征提取 | 第30-32页 |
| ·基于灰度共生矩阵的特征提取 | 第32-38页 |
| ·胎盘B超图的共生矩阵 | 第32-34页 |
| ·基于GLCM的特征统计量 | 第34-35页 |
| ·距离d取值对特征参数值的影响 | 第35-36页 |
| ·方向θ取值对特征参数的影响 | 第36-37页 |
| ·基于GLCM胎盘B超图的特征参数 | 第37-38页 |
| ·基于Gabor函数小波变换的特征提取 | 第38-44页 |
| ·Gabor函数和Gabor小波 | 第38-41页 |
| ·基于Gabo小波的特征描述 | 第41-44页 |
| ·小结 | 第44-46页 |
| 第四章 基于主成分分析法的特征选择 | 第46-59页 |
| ·主成分分析法(PCA) | 第46-52页 |
| ·一般步骤 | 第46-48页 |
| ·实验结果与分析 | 第48-52页 |
| ·核主成分分析(KPCA) | 第52-57页 |
| ·核主成分分析(KPCA)的方法 | 第52-54页 |
| ·KPCA的一般步骤 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·小结 | 第57-59页 |
| 第五章 支持向量机(SVM)在胎盘图像分级中的应用 | 第59-72页 |
| ·二值SVM的介绍 | 第59-63页 |
| ·SVM的基本原理 | 第59-60页 |
| ·参数(C，σ)的优化选择 | 第60-63页 |
| ·多分类SVM在胎盘分级中的应用 | 第63-68页 |
| ·多分类SVM的简单介绍 | 第63页 |
| ·基于二叉树的多分类SVM | 第63-64页 |
| ·第一结构的二叉树多分类SVM | 第64-66页 |
| ·第二结构的二叉树多分类SVM | 第66-68页 |
| ·各种数据源的实验结果对比分析 | 第68-70页 |
| ·小结 | 第70-72页 |
| 第六章 胎盘B超图自动分级系统设计以及实验开发环境 | 第72-75页 |
| ·系统设计 | 第72-73页 |
| ·实验开发环境 | 第73-75页 |
| 第七章 总结和展望 | 第75-84页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-84页 |
| 附录 本文编程所涉及到一些函数说明 | 第84-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间发表的学术论文 | 第94页 |