首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稀疏表示的肝脏疾病诊断

摘要第2-3页
abstract第3页
第一章 绪论第6-10页
    1.1 研究目的与意义第6-7页
    1.2 国内外研究动态第7-9页
        1.2.1 肝脏超声图像分类的研究动态第7-8页
        1.2.2 稀疏表示的研究动态第8-9页
    1.3 主要工作及章节安排第9-10页
第二章 肝病识别与特征提取第10-26页
    2.1 样本选取及预处理第10-11页
    2.2 特征提取第11-16页
        2.2.1 LBP特征第11-13页
        2.2.2 HOG特征第13-14页
        2.2.3 灰度共生矩阵第14-16页
        2.2.4 Gabor小波第16页
        2.2.5 主成分分析第16页
    2.3 特征融合第16-17页
    2.4 特征选择第17-20页
        2.4.1 Bagging第18页
        2.4.2 随机森林第18-20页
    2.5 支持向量机第20-22页
        2.5.1 线性可分支持向量机第20页
        2.5.2 非线性可分支持向量机第20-22页
        2.5.3 多分类问题第22页
    2.6 不同模型SVM的比较第22-24页
    2.7 分类性能评价标准第24-25页
    2.8 本章小结第25-26页
第三章 稀疏表示理论第26-36页
    3.1 什么是稀疏表示第26-27页
    3.2 字典的设计与构造第27-29页
        3.2.1 傅里叶字典第27-28页
        3.2.2 离散余弦字典第28-29页
    3.3 字典学习算法第29-32页
        3.3.1 K-SVD算法第29-30页
        3.3.2 MOD算法第30-31页
        3.3.3 SGK算法第31-32页
    3.4 不同字典学习算法的比较第32-33页
    3.5 稀疏表示分类原理第33-34页
    3.6 本章小结第34-36页
第四章 基于稀疏表示的肝病识别第36-47页
    4.1 肝病识别系统第36-37页
    4.2 实验与分析第37-46页
        4.2.1 PCA降维与识别率的关系第37-38页
        4.2.2 K-SVD与SGK算法时间性能比较第38页
        4.2.3 探究字典尺寸对识别率的影响第38-39页
        4.2.4 DSSVM模型求解第39-40页
        4.2.5 基于支持向量机与基于稀疏表示的两类识别第40-43页
        4.2.6 基于稀疏表示的多类识别第43-46页
    4.3 本章小结第46-47页
第五章 总结与展望第47-48页
    5.1 工作总结第47页
    5.2 工作展望第47-48页
参考文献第48-52页
攻读学位期间的研究成果第52-53页
致谢第53-54页

论文共54页,点击 下载论文
上一篇:智能录播系统中站立人脸的检测定位研究
下一篇:中文重复记录清洗的相关算法的研究