基于半监督学习的舌色分析方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景 | 第9-10页 |
| ·中医舌诊简介 | 第10-11页 |
| ·中医舌诊背景知识 | 第10页 |
| ·病理舌质颜色和舌苔颜色 | 第10-11页 |
| ·舌诊系统研究现状 | 第11-13页 |
| ·中国大陆的舌诊系统研究 | 第11-12页 |
| ·其他地区与国家的舌诊系统研究 | 第12-13页 |
| ·舌象颜色量化特征的研究 | 第13-14页 |
| ·监督学习方法 | 第13-14页 |
| ·非监督学习方法 | 第14页 |
| ·其他方法 | 第14页 |
| ·基于量化特征的舌象诊断研究现状 | 第14-15页 |
| ·疾病诊断的研究现状 | 第15页 |
| ·证候诊断的研究现状 | 第15页 |
| ·研究现状总结 | 第15-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 第2章 算法的理论背景知识 | 第17-32页 |
| ·现有的舌色分析方法 | 第17-19页 |
| ·基于样本子图的舌色监督学习 | 第17-18页 |
| ·基于样本子图的舌色非监督学习 | 第18-19页 |
| ·像素分类的必要性 | 第19-21页 |
| ·半监督学习的必要性 | 第21-24页 |
| ·机器学习分类体系简介 | 第21-22页 |
| ·监督与非监督学习简介 | 第22页 |
| ·基于半监督学习的像素分类算法 | 第22-24页 |
| ·FCM算法介绍 | 第24-28页 |
| ·K均值聚类算法(HCM)介绍 | 第24-26页 |
| ·模糊集基本知识 | 第26页 |
| ·模糊C均值聚类 | 第26-28页 |
| ·KNN算法简介 | 第28页 |
| ·期望最大化算法简介 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 基于半监督学习的像素分类算法 | 第32-45页 |
| ·前向选择 | 第32-36页 |
| ·像素聚类 | 第32-33页 |
| ·前向选择正确样本 | 第33-36页 |
| ·合并过程 | 第36-37页 |
| ·后向选择错误样本 | 第37-41页 |
| ·RKNN算法 | 第41-42页 |
| ·像素分类的特点 | 第41页 |
| ·KNN的特点与不足 | 第41页 |
| ·RKNN算法 | 第41-42页 |
| ·总体颜色判断算法 | 第42-44页 |
| ·舌图像颜色分类思路 | 第42-43页 |
| ·舌苔颜色判断算法 | 第43-44页 |
| ·舌质颜色判断算法 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第4章 实验结果分析 | 第45-60页 |
| ·像素分类结果 | 第45-51页 |
| ·12 类像素分类结果 | 第45-48页 |
| ·苔质两大类像素分类结果 | 第48-50页 |
| ·寒热两类分类结果 | 第50-51页 |
| ·训练结果的质量控制 | 第51-55页 |
| ·样本数据的采集设备 | 第51-53页 |
| ·人工标定的质量控制 | 第53页 |
| ·所使用的样本数据 | 第53-54页 |
| ·样本数据的特征选定 | 第54-55页 |
| ·训练结果的量化分析 | 第55-56页 |
| ·样本数量分析 | 第55页 |
| ·聚类量化分析 | 第55-56页 |
| ·颜色分类实验结果 | 第56-57页 |
| ·胰腺炎诊断 | 第57-59页 |
| ·胰腺炎简介 | 第57页 |
| ·可分性分析 | 第57-58页 |
| ·蓝色舌质判断 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
