| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 缩略用语表 | 第7-10页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 MR脑图像诊断的国内外现状 | 第11-14页 |
| 第2章 MR脑图像特征提取 | 第14-24页 |
| 2.1 MR脑图像诊断材料 | 第14页 |
| 2.2 小波变换与二维离散小波变换 | 第14-18页 |
| 2.3 小波能量与小波熵 | 第18-23页 |
| 2.3.1 特征选择 | 第20页 |
| 2.3.2 探寻最优分解层次 | 第20-21页 |
| 2.3.3 特征组合的可视化 | 第21-23页 |
| 2.4 数据的预处理 | 第23-24页 |
| 第3章 基于网格搜索方法的SVM参数寻优 | 第24-34页 |
| 3.1 支持向量机的理论基础 | 第24-28页 |
| 3.1.1 SVM算法简介 | 第24页 |
| 3.1.2 SVM算法的原理 | 第24-28页 |
| 3.1.3 SVM算法的特点 | 第28页 |
| 3.2 核函数与实验平台 | 第28-29页 |
| 3.2.1 核函数 | 第28-29页 |
| 3.2.2 实验平台 | 第29页 |
| 3.3 交叉验证与网格划分参数寻优 | 第29-31页 |
| 3.4 算法的衡量指标 | 第31页 |
| 3.5 实验结果分析 | 第31-34页 |
| 第4章 基于遗传算法与粒子群优化算法的SVM参数寻优 | 第34-53页 |
| 4.1 遗传算法的参数寻优 | 第34-38页 |
| 4.1.1 遗传算法简介 | 第34-36页 |
| 4.1.2 遗传算法的特点 | 第36-37页 |
| 4.1.3 遗传算法的寻优流程图 | 第37-38页 |
| 4.1.4 matlab实现遗传算法的参数寻优 | 第38页 |
| 4.2 粒子群实现参数寻优 | 第38-42页 |
| 4.2.1 粒子群算法简介 | 第38-40页 |
| 4.2.2 粒子群寻优流程图 | 第40-41页 |
| 4.2.3 粒子群寻优伪码步骤 | 第41页 |
| 4.2.4 matlab实现粒子群参数寻优 | 第41-42页 |
| 4.3 实验结果 | 第42-44页 |
| 4.3.1 分类正确性比较 | 第42-43页 |
| 4.3.2 随机参数选择分类结果比较 | 第43-44页 |
| 4.3.3 改变数据量的分类结果比较 | 第44页 |
| 4.4 粒子群优化方法与其他算法比较 | 第44-49页 |
| 4.4.1 反向传播神经网络 | 第44-46页 |
| 4.4.2 线性判别分析法 | 第46-48页 |
| 4.4.3 KNN算法 | 第48-49页 |
| 4.4.4 KM方法 | 第49页 |
| 4.5 几种算法实验结果比较 | 第49-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-56页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表论文和参与基金项目 | 第60-62页 |
| 致谢 | 第62页 |