| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 图像分类识别 | 第12-13页 |
| 1.2.2 半监督聚类算法 | 第13-15页 |
| 1.3 论文研究内容及组织结构 | 第15-17页 |
| 第2章 相关技术理论基础 | 第17-32页 |
| 2.1 肺结节预处理 | 第17-19页 |
| 2.2 肺结节分割 | 第19-22页 |
| 2.2.1 基于阈值的方法 | 第19页 |
| 2.2.2 基于边缘的方法 | 第19-20页 |
| 2.2.3 基于区域的方法 | 第20页 |
| 2.2.4 基于形态学的方法 | 第20-21页 |
| 2.2.5 其他方法 | 第21-22页 |
| 2.3 肺结节特征提取 | 第22-30页 |
| 2.3.1 灰度特征提取 | 第22-23页 |
| 2.3.2 纹理特征提取 | 第23-27页 |
| 2.3.3 形态特征提取 | 第27-29页 |
| 2.3.4 边界特征提取 | 第29-30页 |
| 2.4 肺结节分类 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于先验分布的半监督FCM的肺结节分类 | 第32-41页 |
| 3.1 模糊C均值算法 | 第32-36页 |
| 3.1.1 经典FCM算法 | 第32-34页 |
| 3.1.2 部分监督的FCM算法 | 第34-35页 |
| 3.1.3 半监督FCM算法 | 第35-36页 |
| 3.2 先验分布的半监督FCM算法 | 第36-38页 |
| 3.3 实验结果与分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于粒子群改进的半监督FCM算法的肺结节分类 | 第41-51页 |
| 4.1 粒子群算法(PSO) | 第41-44页 |
| 4.1.1 粒子群(PSO)算法 | 第42页 |
| 4.1.2 粒子群(PSO)迭代公式 | 第42-44页 |
| 4.2 基于粒子群改进的半监督FCM的肺结节分类 | 第44-47页 |
| 4.3 实验结果及分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-54页 |
| 5.1 研究结论 | 第51-52页 |
| 5.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间取得的学术成果 | 第60-61页 |
| 致谢 | 第61页 |