首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于GEP-DT的乳腺X图像的分类研究

摘要第1-5页
Abstract第5-9页
第一章 绪论第9-16页
   ·研究背景和意义第9-11页
   ·乳腺癌相关知识简介第11-13页
     ·乳腺癌病变征象第11-12页
     ·乳腺影像检查技术第12-13页
   ·国内外研究现状第13-15页
     ·乳腺 X 线影像图像处理的研究现状第13-14页
     ·乳腺 X 线影像挖掘算法的研究现状第14-15页
   ·本文的主要内容第15页
   ·本文的结构安排第15-16页
第二章 决策树与基因表达式编程第16-25页
   ·决策树理论概述第16-21页
     ·ID3 算法第16-18页
     ·C4.5 算法第18-20页
     ·SLIQ 和 SPRINT第20-21页
   ·基因表达式编程第21-24页
     ·GEP 中的编码结构第21-22页
     ·适应度函数第22-23页
     ·GEP 中的遗传操作第23-24页
   ·本章小结第24-25页
第三章 基于 GEP 的集成决策树融合分类算法第25-34页
   ·决策树分类模型第25-26页
   ·多决策树建模第26-27页
   ·基于 GEP 的集成决策树算法设计第27-30页
     ·GEP-DT 编码第27-29页
     ·GEP-DT 的适应度函数第29页
     ·遗传操作第29-30页
   ·GEP-DT 算法的基本框架第30-31页
     ·GEP-DT 算法的流程图第30页
     ·GEP-DT 算法步骤第30-31页
   ·实验结果与分析第31-33页
     ·实验参数第31页
     ·实验结果与分析第31-33页
   ·本章小结第33-34页
第四章 基于 GEP-DT 的乳腺 X 线图像分类器第34-51页
   ·图像预处理第34-40页
     ·灰度归一化第34页
     ·图像去噪第34-37页
     ·图像增强第37-40页
   ·乳腺区域提取第40-42页
   ·图像特征提取第42-45页
     ·灰度特征第42-43页
     ·纹理特征第43-45页
   ·基于 GEP-DT 的分类模型构建第45-46页
   ·实验结果与分析第46-50页
     ·实验参数第46-47页
     ·实验结果及分析第47-50页
   ·本章小结第50-51页
第五章 总结与展望第51-53页
   ·本文工作总结第51页
   ·今后工作展望第51-53页
参考文献第53-57页
附录 本文作者在攻读硕士学位期间所发表的论文第57-58页
致谢第58-59页

论文共59页,点击 下载论文
上一篇:基于GEP的图像情感分类算法研究
下一篇:基于项目知识管理视角下广西基础教育改革项目管理平台的设计与实现