| 中文摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 医学影像的发展及其应用概述 | 第9-11页 |
| 1.2 精神病数据的功能网络与研究现状 | 第11-12页 |
| 1.3 本文工作 | 第12-14页 |
| 2 分类问题和随机森林算法简介 | 第14-21页 |
| 2.1 分类问题、分类器和分类器组合 | 第14-17页 |
| 2.1.1 分类问题和分类器 | 第14-16页 |
| 2.1.2 分类器组合 | 第16-17页 |
| 2.2 决策树算法 | 第17-18页 |
| 2.3 Bagging方法 | 第18页 |
| 2.4 随机森林[13](Random Forest,RF) | 第18-21页 |
| 2.4.1 随机森林的定义 | 第19页 |
| 2.4.2 随机森林的算法 | 第19-21页 |
| 3 随机森林在医学影像数据分析中的应用 | 第21-37页 |
| 3.1 数据及其预处理 | 第21-23页 |
| 3.2 特征选择简述 | 第23-24页 |
| 3.3 基于双样本T检验(T-Test2)的特征选择 | 第24-26页 |
| 3.3.1 双样本T检验(T-Test2)的特征选择 | 第24-25页 |
| 3.3.2 实验结果分析 | 第25-26页 |
| 3.4 基于双样本T检验(T-Test2)的特征选择的改进 | 第26-31页 |
| 3.4.1 LOOTT特征选择 | 第26-27页 |
| 3.4.2 实验结果对比 | 第27-28页 |
| 3.4.3 贡献网络 | 第28-31页 |
| 3.5 基于肯德尔等级相关系数(Kendall)的特征选择 | 第31-37页 |
| 3.5.1 肯德尔特征选择方法[20]简述 | 第31-34页 |
| 3.5.2 实验结果分析 | 第34-35页 |
| 3.5.3 贡献网络 | 第35-37页 |
| 4 总结与展望 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 附录 | 第40-46页 |
| 致谢 | 第46-47页 |
