基于树结构模型的多类识别算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究背景 | 第10-12页 |
| ·视频中运动物体识别的研究背景 | 第10-11页 |
| ·细胞分裂状态识别的研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·视频中运动物体识别的研究现状 | 第12-13页 |
| ·细胞分裂状态识别的研究现状 | 第13-14页 |
| ·本文所做的工作与论文的组织结构 | 第14-15页 |
| ·论文主要创新点 | 第15-16页 |
| 2 背景介绍及相关研究 | 第16-35页 |
| ·引言 | 第16页 |
| ·运动物体检测 | 第16-23页 |
| ·图像差分法 | 第16-19页 |
| ·帧间差分法 | 第17-18页 |
| ·背景差分法 | 第18-19页 |
| ·光流法 | 第19-20页 |
| ·背景建模法 | 第20-23页 |
| ·单高斯分布背景模型 | 第21页 |
| ·高斯混合模型 | 第21-23页 |
| ·细胞分裂的基础知识 | 第23-26页 |
| ·有丝分裂 | 第23-24页 |
| ·细胞分裂周期 | 第24-26页 |
| ·测定细胞周期 | 第26页 |
| ·模式分类算法介绍 | 第26-33页 |
| ·SVM 算法 | 第27-30页 |
| ·Boosting 算法和AdaBoost 算法 | 第30-33页 |
| ·Boosting 算法 | 第30-31页 |
| ·Adaboost 算法 | 第31-33页 |
| ·ROC 曲线介绍 | 第33-35页 |
| 3 基于树结构模型的多类识别技术 | 第35-41页 |
| ·决策树算法介绍 | 第35-37页 |
| ·决策树算法的比较 | 第37-38页 |
| ·树结构模型算法介绍 | 第38-41页 |
| ·多算法融合策略 | 第39页 |
| ·特征选择策略 | 第39-40页 |
| ·预防树结构模型训练过度问题 | 第40-41页 |
| 4 基于树结构模型对视频中的运动物体分类 | 第41-49页 |
| ·前景运动目标检测 | 第42-43页 |
| ·特征介绍 | 第43-44页 |
| ·基于特征类型学习分类器 | 第44-45页 |
| ·AdaBoost 分类器 | 第44页 |
| ·SVM 分类器 | 第44-45页 |
| ·组织树结构模型 | 第45-46页 |
| ·实验 | 第46-49页 |
| 5 基于树结构模型对细胞分裂的状态识别 | 第49-58页 |
| ·细胞跟踪 | 第49-51页 |
| ·学习分类器 | 第51-54页 |
| ·组织树结构模型 | 第54-56页 |
| ·实验 | 第56-58页 |
| 6 结论与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64页 |
