| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 引言 | 第7-8页 |
| 第一章 脑组织变形(BRAIN SHIFT)研究意义与研究现状 | 第8-11页 |
| ·脑组织变形研究意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本章小结 | 第10-11页 |
| 第二章 模糊支持向量机(FSVW)的背景和研究现状 | 第11-29页 |
| ·支持向量机(SVM) | 第11-19页 |
| ·最优划分线性超平面和支持向量 | 第11-14页 |
| ·线性支持向量机 | 第14-15页 |
| ·非线性支持向量机 | 第15-17页 |
| ·SVM回归机 | 第17-18页 |
| ·SVM方法小结 | 第18-19页 |
| ·PC环境下SVM的实现 | 第19页 |
| ·模糊支持向量机(FSVM) | 第19-26页 |
| ·模糊支持向量机介绍 | 第19-25页 |
| ·不同常数项的模糊支持向量机 | 第25页 |
| ·PC环境下FSVM的实现 | 第25-26页 |
| ·隶属度的确定方法 | 第26-27页 |
| ·基于距离的隶属度函数 | 第26页 |
| ·基于s型函数的隶属度函数 | 第26页 |
| ·基于Π型函数的隶属度函数 | 第26页 |
| ·基于样本均匀度的隶属度函数 | 第26-27页 |
| ·基于核方法的隶属度函数 | 第27页 |
| ·归一化方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 LINGO软件介绍及模糊支持向量机二次规划方程组求解 | 第29-43页 |
| ·LINGO的集 | 第30-34页 |
| ·LINGO函数 | 第34-39页 |
| ·LINGO菜单 | 第39-40页 |
| ·用LINGO求解模糊支持向量机算法的二次规划方程 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于不同常数项模糊支持向量机的脑组织变形预测 | 第43-58页 |
| ·实验一 | 第43-45页 |
| ·实验二 | 第45-53页 |
| ·本章小结 | 第53-58页 |
| 第五章 结论与展望 | 第58-61页 |
| ·结论 | 第58-59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士期间发表的论文 | 第63-64页 |
| 致谢 | 第64-65页 |
