| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-29页 |
| ·研究背景和意义 | 第12-14页 |
| ·机器学习及其应用 | 第12页 |
| ·医学图像分割 | 第12-14页 |
| ·问题的提出 | 第14页 |
| ·国内外研究现状 | 第14-22页 |
| ·机器学习的发展历史和最新进展 | 第14-16页 |
| ·图像分割的研究现状 | 第16-20页 |
| ·聚类分析的研究现状 | 第20-22页 |
| ·本文的主要工作和内容安排 | 第22-24页 |
| 参考文献 | 第24-29页 |
| 第二章 半监督学习综述 | 第29-55页 |
| ·半监督学习的基本问题 | 第29-31页 |
| ·半监督分类算法 | 第31-35页 |
| ·生成式模型 | 第31-32页 |
| ·自训练和协同训练 | 第32-33页 |
| ·转导(直推式)支持向量机 | 第33页 |
| ·图正则化模型 | 第33-35页 |
| ·半监督聚类算法 | 第35-46页 |
| ·约束聚类 | 第37-41页 |
| ·基于标记点属别信息的半监督聚类 | 第41-45页 |
| ·基于距离测度学习的半监督聚类 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 参考文献 | 第47-55页 |
| 第3章 改进退化的半监督模糊聚类应用于MR图像分割 | 第55-73页 |
| ·引言 | 第55-56页 |
| ·相关工作 | 第56-57页 |
| ·改进退化的半监督FCM算法 | 第57-60页 |
| ·实验结果和分析 | 第60-70页 |
| ·小样本数据集聚类实验 | 第60-63页 |
| ·Iris数据集上sFCM和dsFCM的聚类性能对比 | 第61-62页 |
| ·平衡指数α的取值对聚类性能的影响 | 第62-63页 |
| ·标记点数量变化对聚类精度的影响 | 第63页 |
| ·医学图像分割实验 | 第63-70页 |
| ·无噪声图像分割实验 | 第64-66页 |
| ·高斯噪声图像分割实验 | 第66-68页 |
| ·椒盐噪声图像分割实验 | 第68-69页 |
| ·与文献[2]方法的分割性能比较 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 第4章 总结与展望 | 第73-75页 |
| 攻读硕士学位期间成果 | 第75-76页 |
| 致谢 | 第76-78页 |
| 统计学合格证明 | 第78页 |