| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 乳腺肿瘤辅助诊断的研究现状 | 第11页 |
| 1.2.2 冠心病辅助诊断的研究现状 | 第11-13页 |
| 1.3 论文研究内容和重点 | 第13-14页 |
| 1.4 论文章节安排 | 第14-15页 |
| 第2章 基于PNN神经网络模型的构建原理 | 第15-24页 |
| 2.1 PNN简介 | 第15页 |
| 2.2 PNN理论基础 | 第15-20页 |
| 2.2.1 贝叶斯决策理论 | 第15-16页 |
| 2.2.2 Parzen 窗方法 | 第16-18页 |
| 2.2.3 RBF神经网络 | 第18-20页 |
| 2.3 PNN网络的构建 | 第20-23页 |
| 2.3.1 PNN网络拓扑结构 | 第20-21页 |
| 2.3.2 PNN学习算法的实现方法 | 第21-22页 |
| 2.3.3 PNN学习算法的不足 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于数据处理和参数优化模型的构建 | 第24-44页 |
| 3.1 数据归一化 | 第24-25页 |
| 3.2 主成分分析法 | 第25-31页 |
| 3.2.1 方法综述 | 第25-26页 |
| 3.2.2 原理分析 | 第26-27页 |
| 3.2.3 数据介绍 | 第27-28页 |
| 3.2.4 仿真实现 | 第28-31页 |
| 3.3 PSO算法介绍 | 第31-33页 |
| 3.3.1 算法综述 | 第31页 |
| 3.3.2 算法原理 | 第31-33页 |
| 3.4 交叉验证 | 第33-34页 |
| 3.4.1 方法概述 | 第33页 |
| 3.4.2 常见形式 | 第33-34页 |
| 3.5 改进 PSO 算法对 PNN 网络的优化 | 第34-43页 |
| 3.5.1 遗传算法简介 | 第34-37页 |
| 3.5.2 PSO算法的改进 | 第37-39页 |
| 3.5.3 IPSO-PNN 的实现方法 | 第39页 |
| 3.5.4 仿真实现 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于PCA-IPSO-PNN模型的病理数据分析 | 第44-60页 |
| 4.1 PCA-IPSO-PNN 模型概述 | 第44-45页 |
| 4.2 PCA-IPSO-PNN 模型在乳腺肿瘤病理数据的应用 | 第45-52页 |
| 4.2.1 乳腺肿瘤数据的获取与预处理 | 第45-47页 |
| 4.2.2 数据的降维处理 | 第47页 |
| 4.2.3 模型建立 | 第47-48页 |
| 4.2.4 结果分析 | 第48-52页 |
| 4.3 PCA-IPSO-PNN 模型在冠心病病理数据的应用 | 第52-58页 |
| 4.3.1 冠心病数据介绍 | 第52-53页 |
| 4.3.2 数据的降维处理 | 第53-55页 |
| 4.3.3 模型建立 | 第55页 |
| 4.3.4 结果分析 | 第55-58页 |
| 4.4 算法性能对比 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间参加的科研项目和成果 | 第67页 |
