| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 选题的背景和意义 | 第10-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.3 本论文的主要工作 | 第20-22页 |
| 2 浅层学习方法及改进 | 第22-47页 |
| 2.1 红外图片数据获取与预处理 | 第22-27页 |
| 2.2 特征提取 | 第27-35页 |
| 2.3 浅层机器学习方法分类 | 第35-45页 |
| 2.4 本章小结 | 第45-47页 |
| 3 小样本下深度学习解决方案 | 第47-62页 |
| 3.1 深度学习中数据量的重要性 | 第47-49页 |
| 3.2 通过数据增强扩充样本量 | 第49-52页 |
| 3.3 迁移学习 | 第52-56页 |
| 3.4 半监督学习 | 第56-60页 |
| 3.5 本章小结 | 第60-62页 |
| 4 红外乳腺癌极小样本深度学习实验 | 第62-81页 |
| 4.1 对数据增强后的样本用卷积神经网络(CNN)分析 | 第62-68页 |
| 4.2 基于迁移学习的监督分类 | 第68-74页 |
| 4.3 基于阶梯网络的半监督学习 | 第74-79页 |
| 4.4 本章小结 | 第79-81页 |
| 5 总结和展望 | 第81-84页 |
| 5.1 本文总结 | 第81-82页 |
| 5.2 讨论 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-92页 |
| 攻读硕士学位期间发表论文及参与项目情况 | 第92页 |