| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 缩略用语表 | 第8-13页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 MRI脑图像诊断的国内外现状 | 第14-17页 |
| 1.3 几种常见分类算法的介绍 | 第17-23页 |
| 1.3.1 SVM算法 | 第18-20页 |
| 1.3.2 KNN算法 | 第20-21页 |
| 1.3.3 NBC算法 | 第21-23页 |
| 1.4 论文的结构安排 | 第23-24页 |
| 第2章 MR脑图像矩特征提取 | 第24-33页 |
| 2.1 MR脑图像诊断材料 | 第24-25页 |
| 2.2 图像的几何不变矩 | 第25-27页 |
| 2.2.1 矩的概念 | 第25-26页 |
| 2.2.2 Hu不变矩 | 第26-27页 |
| 2.3 HU不变矩不变性 | 第27-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 SLN单隐层神经网络 | 第33-42页 |
| 3.1 人工神经网络的基本原理 | 第33-37页 |
| 3.1.1 人工神经网络概述 | 第33页 |
| 3.1.2 人工神经元模型 | 第33-34页 |
| 3.1.3 常用的激活函数 | 第34-37页 |
| 3.2 前馈神经网络 | 第37-39页 |
| 3.2.1 SLN神经网络模型 | 第37-38页 |
| 3.2.2 SLN神经网络的发展 | 第38-39页 |
| 3.3 神经网络的学习 | 第39页 |
| 3.3.1 网络的学习方式 | 第39页 |
| 3.3.2 网络的泛化能力 | 第39页 |
| 3.4 神经网络的实现流程与优化概述 | 第39-41页 |
| 3.4.1 神经网络的实现流程 | 第39-40页 |
| 3.4.2 神经网络的优化 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于捕食者-食饵粒子群优化算法的单隐层神经网络参数寻优 | 第42-51页 |
| 4.1 基于粒子群优化算法的参数寻优 | 第42-45页 |
| 4.1.1 粒子群算法基本原理 | 第42-43页 |
| 4.1.2 粒子群算法流程 | 第43-45页 |
| 4.2 基于粒子群的局限性与未来的研究方向 | 第45页 |
| 4.3 基于粒子群PSO算法优化神经网络的实现 | 第45-49页 |
| 4.3.1 基于粒子群PSO算法优化单隐层神经网络基本流程 | 第45-47页 |
| 4.3.2 粒子群算法优化神经网络的训练及微粒的评价 | 第47页 |
| 4.3.3 基于粒子群PSO算法优化单隐层神经网络SLN的matlab实现 | 第47-49页 |
| 4.4 基于捕食者食饵粒子群算法(PP-PSO)算法的参数寻优 | 第49-50页 |
| 4.4.1 捕食者食饵粒子群算法的基本原理 | 第49页 |
| 4.4.2 基于捕食者食饵粒子群算法优化神经网络的参数设置 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验结果与分析 | 第51-57页 |
| 5.1 算法比较的衡量指标 | 第51页 |
| 5.2 实验结果及分析 | 第51-53页 |
| 5.3 捕食者食饵粒子群算法与基本粒子群算法的实验结果比较及分析 | 第53-54页 |
| 5.4 几种算法实验结果的比较 | 第54-55页 |
| 5.5 算法实测 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表论文和参与基金项目 | 第64-66页 |
| 致谢 | 第66页 |
