基于多模态超声图像的甲状腺肿瘤的分类
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景及研究的目的和意义 | 第10-12页 |
| 1.2 多分类器融合方法的研究现状综述 | 第12-20页 |
| 1.2.1 多分类器融合方法的分类 | 第13-14页 |
| 1.2.2 多分类器系统的构造与优化 | 第14-16页 |
| 1.2.3 不同输出层上的分类器融合方法 | 第16-20页 |
| 1.3 本文主要研究内容及组织结构 | 第20-22页 |
| 1.3.1 本文的主要研究内容 | 第20页 |
| 1.3.2 本文的文章结构 | 第20-22页 |
| 第2章 多分类器系统的组合系数优化 | 第22-34页 |
| 2.1 线性组合的有效性 | 第22-25页 |
| 2.1.1 分类器组合的有效性 | 第22-24页 |
| 2.1.2 简单平均和加权平均的比较 | 第24-25页 |
| 2.2 基于贝叶斯理论的组合系数确定 | 第25-27页 |
| 2.2.1 乘积组合规则 | 第26-27页 |
| 2.2.2 求和组合规则 | 第27页 |
| 2.3 基于非贝叶斯理论的组合系数 | 第27-32页 |
| 2.3.1 信息熵与相应改进算法 | 第27-29页 |
| 2.3.2 散乱度与相应改进算法 | 第29-30页 |
| 2.3.3 均值方差比与相应改进算法 | 第30-32页 |
| 2.4 实验与分析 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于非贝叶斯框架的复合权值分类器融合方法 | 第34-47页 |
| 3.1 引言 | 第34-35页 |
| 3.2 分类器的差异性 | 第35-39页 |
| 3.2.1 差异性的构建 | 第36页 |
| 3.2.2 成对分类器的差异性度量 | 第36-37页 |
| 3.2.3 不成对分类器的差异性度量 | 第37-39页 |
| 3.3 基于非贝叶斯融合理论的复合权值融合方法 | 第39-41页 |
| 3.4 算法描述 | 第41-44页 |
| 3.5 实验结果与分析 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 多模态超声图像中多分类器融合的应用 | 第47-59页 |
| 4.1 恶性甲状腺肿瘤的超声表现 | 第47-49页 |
| 4.2 多模态超声图像的特征选取 | 第49-52页 |
| 4.3 基于单一分类器的甲状腺肿瘤分类 | 第52-53页 |
| 4.3.1 基于所有特征数据的甲状腺肿瘤分类 | 第52页 |
| 4.3.2 采用部分特征的甲状腺肿瘤分类 | 第52-53页 |
| 4.4 基于多分类器融合的甲状腺肿瘤分类 | 第53-58页 |
| 4.4.1 结构风险最小化准则与基分类器的选取 | 第53-55页 |
| 4.4.2 分类评价标准 | 第55-56页 |
| 4.4.3 实验结果 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
