| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 图和附表清单 | 第10-11页 |
| 1 绪论 | 第11-15页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究的意义 | 第12-13页 |
| 1.2 肺癌诊断的国内外现状 | 第13-14页 |
| 1.3 章节安排 | 第14-15页 |
| 2 肺癌诊断的材料及数据预处理 | 第15-21页 |
| 2.1 病例材料和检查方法 | 第15页 |
| 2.1.1 实验病例材料 | 第15页 |
| 2.1.2 检查方法 | 第15页 |
| 2.2 特征数据提取方法 | 第15-17页 |
| 2.3 数据预处理 | 第17-21页 |
| 2.3.1 数据归一化 | 第17-18页 |
| 2.3.2 主成分分析 | 第18-21页 |
| 3 支持向量机（SVM） | 第21-36页 |
| 3.1 支持向量机理论基础 | 第21-27页 |
| 3.1.1 算法的发展 | 第21页 |
| 3.1.2 算法原理 | 第21-26页 |
| 3.1.3 算法步骤 | 第26-27页 |
| 3.1.4 算法特点 | 第27页 |
| 3.2 核函数和参数选取 | 第27-33页 |
| 3.2.1 核函数的选取 | 第27-30页 |
| 3.2.2 网格划分参数选取 | 第30-33页 |
| 3.3 支持向量机模型建立及编程环境 | 第33页 |
| 3.4 网格划分法选择参数仿真结果 | 第33-36页 |
| 4 启发式算法参数寻优提高分类器性能 | 第36-47页 |
| 4.1 遗传算法参数寻优 | 第36-41页 |
| 4.1.1 遗传算法概述 | 第36-39页 |
| 4.1.2 遗传算法参数寻优流程 | 第39-40页 |
| 4.1.3 遗传算法参数寻优matlab实现 | 第40页 |
| 4.1.4 遗传算法参数优化后仿真结果 | 第40-41页 |
| 4.2 粒子群算法参数寻优 | 第41-47页 |
| 4.2.1 粒子群算法概述 | 第41-43页 |
| 4.2.2 粒子群算法流程 | 第43-44页 |
| 4.2.3 粒子群算法参数寻优 matlab 实现 | 第44页 |
| 4.2.4 粒子群算法参数优化后仿真结果 | 第44-47页 |
| 5 几种算法在肺癌诊断中的应用比较 | 第47-54页 |
| 5.1 其他算法在肺癌诊断中的应用尝试 | 第47-50页 |
| 5.1.1 决策树 C4.5 算法 | 第47-48页 |
| 5.1.2 模糊神经网络算法 | 第48-50页 |
| 5.2 几种算法在肺癌诊断中的应用结果比较 | 第50-52页 |
| 5.3 讨论 | 第52-54页 |
| 6 总结 | 第54-56页 |
| 6.1 论文小结 | 第54-55页 |
| 6.2 存在的问题及未来研究方向展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-69页 |
| 致谢 | 第69-70页 |
| 个人简历及攻读学位期间发表论文 | 第70页 |