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 |