一种新的层次聚类算法的研究及应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状及存在的问题 | 第10-14页 |
| 1.2.1 医学图像挖掘研究现状 | 第10-11页 |
| 1.2.2 粗糙集研究现状 | 第11-12页 |
| 1.2.3 聚类研究现状 | 第12-13页 |
| 1.2.4 支持向量机研究现状 | 第13-14页 |
| 1.3 本文的研究工作 | 第14-15页 |
| 1.4 本文的组织 | 第15-16页 |
| 2 相关概念及基础理论 | 第16-22页 |
| 2.1 粗糙集理论 | 第16-19页 |
| 2.1.1 粗糙集理论特点 | 第16页 |
| 2.1.2 粗糙集基本概念 | 第16-19页 |
| 2.2 聚类理论 | 第19-20页 |
| 2.2.1 聚类概念 | 第19-20页 |
| 2.2.2 聚类分析中的数据结构 | 第20页 |
| 2.3 支持向量机理论 | 第20-21页 |
| 2.3.1 SV M 基本思想 | 第21页 |
| 2.3.2 SV M 理论特点 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 数据约简方法 | 第22-32页 |
| 3.1 属性约简算法 | 第22-24页 |
| 3.2 基于粗糙集和信息增益率的属性约简算法 | 第24-27页 |
| 3.2.1 信息增益率 | 第24页 |
| 3.2.2 属性约简改进算法 | 第24-25页 |
| 3.2.3 实验结果与分析 | 第25-27页 |
| 3.3 数据集优化取样新方法 | 第27-31页 |
| 3.3.1 样本的相似度 | 第28-29页 |
| 3.3.2 相似度加权方法 | 第29页 |
| 3.3.3 数据样本抽取方法 | 第29-30页 |
| 3.3.4 实验结果及分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于支持向量机的医学图像分类 | 第32-44页 |
| 4.1 医学图像预处理 | 第32-34页 |
| 4.2 医学图像特征提取 | 第34-38页 |
| 4.2.1 医学图像特征提取实现 | 第35-38页 |
| 4.3 样本属性约简 | 第38-39页 |
| 4.4 数据样本抽取 | 第39-40页 |
| 4.5 支持向量机分类 | 第40-42页 |
| 4.6 实验结果分析 | 第42-43页 |
| 4.7 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 本文工作总结 | 第44-45页 |
| 5.2 今后工作展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第51页 |
