| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·医学图像的分类现状 | 第8-9页 |
| ·支持向量机理论的研究现状 | 第9页 |
| ·本文的主要工作 | 第9-10页 |
| ·本文的章节安排 | 第10-11页 |
| 第二章 支持向量机及其改进算法在医学图像分类中的应用 | 第11-29页 |
| ·统计学习理论 | 第11-15页 |
| ·VC 维 | 第11-13页 |
| ·结构风险最小化理论 | 第13-14页 |
| ·最优超平面 | 第14-15页 |
| ·支持向量机理论 | 第15-21页 |
| ·线性支持向量机 | 第16-18页 |
| ·非线性支持向量机 | 第18-19页 |
| ·分类优化算法和多类分类问题 | 第19-21页 |
| ·基于SVM 的医学图像分类 | 第21-29页 |
| ·图像分类定义 | 第21-22页 |
| ·医学图像的特征提取 | 第22-25页 |
| ·支持向量机分类器参数选择 | 第25页 |
| ·实验结果及讨论 | 第25-29页 |
| 第三章 支持向量机结合量子行为的粒子群算法在医学图像分类中的应用 | 第29-40页 |
| ·粒子群算法训练支持向量机（PSO-SVM） | 第29-32页 |
| ·粒子群算法（PSO）简介[53] | 第29-31页 |
| ·PSO-SVM 算法 | 第31-32页 |
| ·量子行为的粒子群算法训练支持向量机（QPSO-SVM） | 第32-36页 |
| ·量子行为的粒子群算法 | 第32-34页 |
| ·QPSO-SVM 算法 | 第34-36页 |
| ·仿真实验 | 第36-37页 |
| ·医学图像分类实验结果及分析 | 第37-40页 |
| 第四章 支持向量机结合K-MEANS 算法在医学图像分类中的应用 | 第40-54页 |
| ·监督聚类算法 | 第40-42页 |
| ·硬C-均值聚类算法（K-means） | 第40-41页 |
| ·模糊C 均值聚类算法（FCM） | 第41-42页 |
| ·支持向量机结合 K-MEANS 在医学图像分类中的应用 | 第42-48页 |
| ·K-means－SVM 原理 | 第43页 |
| ·K-means－SVM 算法流程 | 第43-44页 |
| ·实验结果及分析 | 第44-48页 |
| ·支持向量机结合改进的K-MEANS 算法在医学图像分类中的应用 | 第48-54页 |
| ·基于粒子群的K-means 算法 | 第49-50页 |
| ·基于量子行为的粒子群的K-means 算法 | 第50页 |
| ·QPSOK-SVM 分类原理 | 第50-51页 |
| ·QPSOK-SVM 算法流程 | 第51页 |
| ·实验结果与结论 | 第51-54页 |
| 第五章 结论与展望 | 第54-56页 |
| ·本文工作总结 | 第54页 |
| ·今后工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第62页 |
