| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 一、绪论 | 第9-13页 |
| 1.1 医学图像分类辨识研究的意义 | 第9页 |
| 1.2 医学图像分类辨识研究现状 | 第9-11页 |
| 1.2.1 统计模式识别 | 第10页 |
| 1.2.2 结构模式识别 | 第10页 |
| 1.2.3 模糊模式识别 | 第10-11页 |
| 1.2.4 人工神经网络 | 第11页 |
| 1.3 本文研究内容及章节安排 | 第11-13页 |
| 二、基于模糊核聚类的SVM医学图像分类器设计 | 第13-37页 |
| 2.1 医学图像预处理及特征提取 | 第13-23页 |
| 2.1.1 医学图像预处理 | 第13页 |
| 2.1.2 医学图像去噪 | 第13-15页 |
| 2.1.3 医学图像分割 | 第15-18页 |
| 2.1.4 医学图像特征提取 | 第18-23页 |
| 2.2 支持向量机(SVM)基础 | 第23-29页 |
| 2.2.1 线性可分情况 | 第23-25页 |
| 2.2.2 线性不可分情况 | 第25-27页 |
| 2.2.3 支持向量机多类分类方法 | 第27-29页 |
| 2.3 模糊支持向量机 | 第29-33页 |
| 2.3.1 模糊集基本知识 | 第29-32页 |
| 2.3.2 模糊支持向量机 | 第32-33页 |
| 2.4 基于模糊核聚类的支持向量机分类器设计 | 第33-35页 |
| 2.5 实验结果与分析 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 三、基于PCNN捕获-抑制机制的医学图像分类器设计 | 第37-48页 |
| 3.1 医学图像预处理及特征提取 | 第37-39页 |
| 3.2 脉冲耦合神经网络(PCNN)原理 | 第39-41页 |
| 3.3 基于PCNN捕获-抑制机制的医学图像分类器设计 | 第41-45页 |
| 3.3.1 基本思想 | 第42页 |
| 3.3.2 单个脉冲耦合神经网络内部运行行为 | 第42-43页 |
| 3.3.3 并行网络之间的抑制机制 | 第43-44页 |
| 3.3.4 多类模式的分类识别 | 第44-45页 |
| 3.4 应用与结果分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 四、总结与展望 | 第48-50页 |
| 4.1 本文总结 | 第48页 |
| 4.2 后续工作展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 综述 医学图像分类辨识方法综述 | 第56-72页 |
| 综述参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |