| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的研究背景与意义 | 第8-9页 |
| ·计算机辅助检测系统的研究进展与现状 | 第9-11页 |
| ·本文的主要研究内容 | 第11页 |
| ·本文的组织结构 | 第11-12页 |
| 第二章 基于特征子集选择的基分类器集成学习算法研究 | 第12-30页 |
| ·集成学习算法 | 第12-17页 |
| ·数据降维理论 | 第17-19页 |
| ·集成学习及数据降维的常用算法 | 第19-27页 |
| ·常用的集成学习算法 | 第19-23页 |
| ·常用的数据降维算法 | 第23-27页 |
| ·基于特征子集选择的基分类器生成法 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于多示例的降维集成算法研究 | 第30-42页 |
| ·多示例学习模型 | 第30-37页 |
| ·多示例学习模型与监督学习模型的区别 | 第31-32页 |
| ·多示例学习算法的分类 | 第32-33页 |
| ·常用的多示例学习算法 | 第33-37页 |
| ·基于多示例学习模型的降维集成算法 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 多示例及降维集成的计算机辅助检测 | 第42-54页 |
| ·包的构建算法 | 第42-43页 |
| ·肺部CT数据的提取方法 | 第43-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间取得的学术成果 | 第62-64页 |
| 致谢 | 第64-65页 |