| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 数据挖掘分类方法在医学图像中的研究现状 | 第13-15页 |
| 1.2.2 对支持向量机的发展历程和研究现状 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 2 相关概念和理论 | 第18-26页 |
| 2.1 对支持向量机 | 第18-19页 |
| 2.2 医学图像的预处理 | 第19-23页 |
| 2.2.1 医学图像去噪 | 第19-20页 |
| 2.2.2 医学图像增强 | 第20-23页 |
| 2.3 医学图像特征提取 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于遗传算法的决策树对支持向量机多类分类算法 | 第26-39页 |
| 3.1 遗传算法 | 第26-28页 |
| 3.2 决策树对支持向量机算法 | 第28-29页 |
| 3.3 基于遗传算法的决策树对支持向量机多类分类算法 | 第29-32页 |
| 3.3.1 算法原理 | 第29-31页 |
| 3.3.2 基于遗传算法的决策树对支持向量机多类分类算法描述 | 第31-32页 |
| 3.4 实验及分析 | 第32-38页 |
| 3.4.1 GA-DTTSVM分类器在UCI中的实验 | 第32-33页 |
| 3.4.2 GA-DTTSVM分类器在乳腺X光医学图像中的实验 | 第33-36页 |
| 3.4.3 实验结果的分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于核主成分分析的决策树对支持向量机多类分类算法 | 第39-47页 |
| 4.1 核主成分分析方法 | 第39-42页 |
| 4.1.1 核主成分分析基本原理 | 第39-42页 |
| 4.1.2 核主成分分析的实现算法 | 第42页 |
| 4.2 基于核主成分分析的决策树对支持向量机多类分类算法 | 第42-44页 |
| 4.2.1 分类器原理 | 第42-43页 |
| 4.2.2 基于核主成分的决策树对支持向量机分类器算法描述 | 第43-44页 |
| 4.3 仿真实验 | 第44-45页 |
| 4.3.1 实验数据的准备 | 第44页 |
| 4.3.2 实验及分析 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 论文总结 | 第47-48页 |
| 5.2 未来展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
