基于特征选择的医学图像分类方法及其应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 引言 | 第8页 |
| 1.2 研究背景及意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 本文主要工作 | 第11-12页 |
| 第2章 特征选择基本理论 | 第12-18页 |
| 2.1 特征选择算法简介 | 第12-13页 |
| 2.2 特征选择算法分类 | 第13-17页 |
| 2.2.1 过滤型 | 第13-14页 |
| 2.2.2 封装型 | 第14-15页 |
| 2.2.3 嵌入型 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 基于最大相关最小冗余算法研究 | 第18-31页 |
| 3.1 基于互信息的特征选择 | 第18-21页 |
| 3.1.1 最大依赖 | 第18-19页 |
| 3.1.2 最大相关最小冗余 | 第19页 |
| 3.1.3 一阶最优递增搜索算法 | 第19-21页 |
| 3.2 支持向量机简介 | 第21-23页 |
| 3.2.1 支持向量机基本原理 | 第21-23页 |
| 3.2.2 核函数 | 第23页 |
| 3.3 算法步骤及实验结果分析 | 第23-30页 |
| 3.3.1 算法步骤说明 | 第23-25页 |
| 3.3.2 特征选择 | 第25-27页 |
| 3.3.3 实验分类 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于特征选择的医学图像分类算法研究 | 第31-46页 |
| 4.1 扩散光层析成像 | 第31-33页 |
| 4.1.1 时域系统 | 第31-32页 |
| 4.1.2 频域系统 | 第32页 |
| 4.1.3 稳态域 | 第32-33页 |
| 4.2 聚类算法基本原理 | 第33-36页 |
| 4.2.1 聚类算法简介 | 第33-34页 |
| 4.2.2 基于密度的聚类算法 | 第34-36页 |
| 4.3 医学图像的分类算法 | 第36-38页 |
| 4.3.1 支持向量机参数优化 | 第36-37页 |
| 4.3.2 K近邻分类算法 | 第37页 |
| 4.3.3 判别分析算法 | 第37-38页 |
| 4.4 医学图像特征提取 | 第38-40页 |
| 4.5 医学图像分类实验及分析 | 第40-45页 |
| 4.5.1 医学图像特征选择 | 第40-42页 |
| 4.5.2 医学图像分类实验 | 第42-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 结论 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 作者简介 | 第53-54页 |
| 攻读硕士学位期间研究成果 | 第54页 |
