| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 选题背景和意义 | 第7-8页 |
| 1.1.1 选题背景 | 第7页 |
| 1.1.2 选题意义 | 第7-8页 |
| 1.2 课题依据 | 第8页 |
| 1.3 国内外研究现状及发展趋势 | 第8-9页 |
| 1.4 课题的主要研究内容 | 第9-10页 |
| 1.5 课题研究预期目标 | 第10页 |
| 1.6 文章结构安排 | 第10-11页 |
| 第2章 血细胞识别方法概述 | 第11-19页 |
| 2.1 血细胞识别算法 | 第11-13页 |
| 2.2 血细胞识别方法 | 第13-18页 |
| 2.2.1 激光散射法 | 第13-15页 |
| 2.2.2 分光光度法 | 第15页 |
| 2.2.3 显微图像法 | 第15-16页 |
| 2.2.4 基于 Coulter 原理识别法 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 基于小波包的血细胞信号特征提取 | 第19-39页 |
| 3.1 引言 | 第19页 |
| 3.2 小波变换定义 | 第19-20页 |
| 3.3 连续小波变换 | 第20-23页 |
| 3.4 离散小波变换 | 第23页 |
| 3.5 多分辨率分析 | 第23-29页 |
| 3.5.1 多分辨率分析的概念 | 第23-24页 |
| 3.5.2 小波空间与小波函数 | 第24-25页 |
| 3.5.3 二尺度方程 | 第25-26页 |
| 3.5.4 MALLAT 算法 | 第26-28页 |
| 3.5.5 多孔算法 | 第28-29页 |
| 3.6 小波包变换的基本原理 | 第29-33页 |
| 3.6.1 小波包定义 | 第29-30页 |
| 3.6.2 小波包变换原理 | 第30-32页 |
| 3.6.3 小波包分析的基本实现 | 第32-33页 |
| 3.7 基于小波包的血细胞信号特征提取 | 第33-38页 |
| 3.7.1 血细胞分析 | 第33页 |
| 3.7.2 利用小波包提取血细胞信号特征向量 | 第33-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第4章 利用神经网络实现血细胞信号识别 | 第39-59页 |
| 4.1 人工神经网络简介 | 第39页 |
| 4.2 人工神经网络的优点 | 第39-40页 |
| 4.3 人工神经网络的分类 | 第40页 |
| 4.4 神经网络的基本模型 | 第40-42页 |
| 4.4.1 感知机模型 | 第40-41页 |
| 4.4.2 自适应线性神经网络 | 第41页 |
| 4.4.3 反向传播（BP）网络 | 第41页 |
| 4.4.4 Hopfield 神经网络 | 第41-42页 |
| 4.5 BP 神经网络 | 第42-49页 |
| 4.5.1 BP 算法简介 | 第42-46页 |
| 4.5.2 LM（Levenberg-Marquardt）算法 | 第46-49页 |
| 4.6 利用神经网络实现血细胞信号识别 | 第49-58页 |
| 4.6.1 神经网络的建立 | 第49-52页 |
| 4.6.2 神经网络的训练 | 第52-55页 |
| 4.6.3 血细胞识别的 matlab 实现及结果分析 | 第55-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |