| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 缩略用语表 | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 论文研究背景与意义 | 第11-13页 |
| 1.2 智能病脑检测国内外现状 | 第13-16页 |
| 1.3 本文的主要内容 | 第16-17页 |
| 1.4 论文结构及安排 | 第17-18页 |
| 第2章 大脑MRI的特征提取 | 第18-22页 |
| 2.1 脑影像数据集 | 第18-19页 |
| 2.2 数据增强 | 第19页 |
| 2.3 图像特征提取的方法 | 第19-21页 |
| 2.3.1 离散小波变换 | 第19-20页 |
| 2.3.2 小波熵 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 图像分类算法 | 第22-28页 |
| 3.1 图像分类算法的基本原理 | 第22-24页 |
| 3.1.1 图像分类算法概述 | 第22页 |
| 3.1.2 常见的分类算法 | 第22-24页 |
| 3.2 K最近邻算法 | 第24-26页 |
| 3.2.1 K最近邻算法介绍 | 第24-25页 |
| 3.2.2 K最近邻算法基本流程 | 第25-26页 |
| 3.2.3 K最近邻算法的发展 | 第26页 |
| 3.3 加权K最近邻算法 | 第26-27页 |
| 3.3.1 加权K最近邻算法介绍 | 第26页 |
| 3.3.2 加权K最近邻算法最近发展 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 对分类算法的优化 | 第28-36页 |
| 4.1 遗传算法介绍 | 第28-30页 |
| 4.1.1 遗传算法简介 | 第28-29页 |
| 4.1.2 遗传算法流程 | 第29-30页 |
| 4.2 粒子群优化算法介绍 | 第30-33页 |
| 4.2.1 标准粒子群优化算法 | 第30-32页 |
| 4.2.2 标准粒子群优化算法流程 | 第32-33页 |
| 4.3 基于遗传算法与粒子群优化混合算法(GA_PSO)的参数寻优 | 第33-34页 |
| 4.3.1 遗传算法与粒子群优化混合算法的基本原理 | 第33-34页 |
| 4.3.2 GA_PSO算法的基本流程 | 第34页 |
| 4.4 本章小结 | 第34-36页 |
| 第5章 实验过程与结果分析 | 第36-45页 |
| 5.1 实验的基本流程 | 第36-37页 |
| 5.2 实验的Matlab实现 | 第37-41页 |
| 5.3 算法比较的衡量指标 | 第41页 |
| 5.4 实验结果对比分析 | 第41-42页 |
| 5.5 算法实测 | 第42-43页 |
| 5.6 本章小结 | 第43-45页 |
| 第6章 总结与展望 | 第45-47页 |
| 6.1 全文总结 | 第45-46页 |
| 6.2 未来展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表论文和参与基金项目 | 第51-53页 |
| 致谢 | 第53-54页 |