| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 课题的来源与意义 | 第15-16页 |
| 1.3 研究现状 | 第16-18页 |
| 1.4 本文的主要工作及章节安排 | 第18-20页 |
| 1.4.1 本文的主要工作 | 第18页 |
| 1.4.2 本文的章节安排 | 第18-20页 |
| 第二章 样本数据的来源及特征数据的提取 | 第20-23页 |
| 2.1 样本数据的来源及检查方法 | 第20页 |
| 2.2 特征数据的提取 | 第20-23页 |
| 第三章 BP神经网络与模糊神经网络 | 第23-30页 |
| 3.1 BP神经网络简介 | 第23-27页 |
| 3.1.1 BP神经网络结构 | 第23-24页 |
| 3.1.2 BP神经网络学习算法 | 第24-26页 |
| 3.1.3 BP神经网络的优缺点 | 第26-27页 |
| 3.2 T-S模糊神经网络简介 | 第27-29页 |
| 3.2.1 模糊理论与神经网络的结合 | 第27页 |
| 3.2.2 T-S模糊神经网络原理 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于BP神经网络的乳腺瘤诊断方法研究 | 第30-41页 |
| 4.1 基本的基于BP神经网络的乳腺瘤诊断方法的模型构建 | 第30-36页 |
| 4.1.1 样本数据的处理 | 第30页 |
| 4.1.2 模型拓扑结构 | 第30-31页 |
| 4.1.3 模型重要参数 | 第31-33页 |
| 4.1.4 模型的建立 | 第33页 |
| 4.1.5 仿真结果 | 第33-36页 |
| 4.2 不同隐含层节点数的模型性能 | 第36-38页 |
| 4.3 不同节点传递函数的模型性能 | 第38-39页 |
| 4.4 最优化的基于BP神经网络的乳腺瘤诊断方法的模型 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于遗传算法的乳腺瘤诊断输入变量优化研究 | 第41-48页 |
| 5.1 遗传算法简介 | 第41-42页 |
| 5.2 基于遗传算法的变量优化及实现 | 第42-44页 |
| 5.3 模型的建立 | 第44页 |
| 5.4 仿真结果 | 第44-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 基于模糊神经网络的乳腺瘤诊断方法研究 | 第48-57页 |
| 6.1 ANFIS的简介 | 第48页 |
| 6.2 基于ANFIS的乳腺瘤诊断方法的模型 | 第48-56页 |
| 6.2.1 样本数据的处理 | 第49页 |
| 6.2.2 模型拓扑结构 | 第49-51页 |
| 6.2.3 模型重要参数 | 第51页 |
| 6.2.4 模型的建立 | 第51-54页 |
| 6.2.5 仿真结果 | 第54-56页 |
| 6.3 本章小结 | 第56-57页 |
| 第七章 基于不同神经网络的乳腺瘤诊断方法的模型对比研究 | 第57-60页 |
| 7.1 建模过程的对比 | 第57页 |
| 7.2 仿真实验结果的对比 | 第57-59页 |
| 7.3 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文 | 第65-67页 |
| 致谢 | 第67页 |
