纹理图像的特征选择技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·论文背景 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文的安排 | 第11-12页 |
| 第2章 纹理特征的提取 | 第12-20页 |
| ·传统基于灰度梯度的图像特征提取 | 第12-15页 |
| ·灰度-梯度共生矩阵 | 第12-13页 |
| ·灰度共生矩阵 | 第13-15页 |
| ·灰度差分统计方法 | 第15页 |
| ·基于分形的图像特征提取 | 第15-17页 |
| ·差分盒维数法 | 第16-17页 |
| ·纹理图像特征数据集 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 特征选择方法概述 | 第20-28页 |
| ·特征选择的定义和准则 | 第20-21页 |
| ·特征选择的结构 | 第21-23页 |
| ·特征选择结构中子集的产生 | 第21-22页 |
| ·特征选择结构中子集的评价 | 第22-23页 |
| ·特征选择结构中的终止条件 | 第23页 |
| ·特征选择结构中的结果验证 | 第23页 |
| ·特征选择算法的分类 | 第23-25页 |
| ·嵌入式特征选择 | 第23-24页 |
| ·过滤式特征选择 | 第24页 |
| ·封装式特征选择 | 第24-25页 |
| ·特征选择算法的挑选 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 Relief系列特征选择算法 | 第28-35页 |
| ·Relief算法 | 第28-30页 |
| ·ReliefF算法 | 第30-31页 |
| ·ReliefF算法对纹理特征集的特征评估 | 第31-34页 |
| ·ReliefF对不同特征的评估 | 第31-32页 |
| ·迭代次数m对ReliefF评估的影响 | 第32-33页 |
| ·临近样本个数k对ReliefF评估的影响 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第5章 分支界定特征选择算法 | 第35-44页 |
| ·分支界定(B&B)法 | 第35-37页 |
| ·改进的分支界定(IBB)算法 | 第37-39页 |
| ·改进的分支界定法对纹理特征的选择比较 | 第39-42页 |
| ·欧氏距离 | 第39页 |
| ·马氏距离 | 第39-40页 |
| ·两种马氏距离判据下两种分支界定法的比较 | 第40-41页 |
| ·两种欧氏距离判据下两种分支界定法的比较 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第6章 封装式特征选择算法 | 第44-54页 |
| ·封装式特征选择算法 | 第44-46页 |
| ·基于神经网络的封装式特征选择 | 第46-50页 |
| ·BP神经网络 | 第46-47页 |
| ·BFS | 第47-49页 |
| ·交叉验证算法 | 第49-50页 |
| ·封装式特征选择中神经网络算法的调整比较 | 第50-53页 |
| ·四种反向传播算法的比较 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第7章 3种特征选择算法的比较 | 第54-59页 |
| ·不同特征数时学习算法所用的时间 | 第54-55页 |
| ·不同特征选择算法下识别率的比较 | 第55-56页 |
| ·不同特征选择算法所用时间的比较 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
