| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 符号表 | 第11-12页 |
| 第一章 前言 | 第12-28页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 磁共振成像技术 | 第13-15页 |
| 1.3 疑似AD脑MRI影像分类相关问题的国内外研究现状 | 第15-25页 |
| 1.3.1 MRI影像的预处理 | 第15-17页 |
| 1.3.2 特征提取 | 第17-20页 |
| 1.3.3 分类器设计 | 第20-25页 |
| 1.4 论文的研究内容和主要贡献 | 第25-26页 |
| 1.5 论文的组织结构 | 第26-28页 |
| 第二章 向量及张量核学习的理论基础 | 第28-58页 |
| 2.1 引言 | 第28-29页 |
| 2.2 再生核Hilbert空间 | 第29-35页 |
| 2.2.1 Hilbert空间 | 第29-32页 |
| 2.2.2 再生核Hilbert空间 | 第32-33页 |
| 2.2.3 正定核 | 第33-35页 |
| 2.3 核函数与支持向量机 | 第35-39页 |
| 2.3.1 线性支持向量机 | 第35-37页 |
| 2.3.2 核函数和非线性支持向量机 | 第37-39页 |
| 2.4 离散结构上的核函数 | 第39-43页 |
| 2.4.1 离散结构的特征提取 | 第39-42页 |
| 2.4.2 R-卷积核 | 第42-43页 |
| 2.5 热核 | 第43-46页 |
| 2.5.1 图的热核 | 第43-45页 |
| 2.5.2 集合直积上的指数核 | 第45-46页 |
| 2.6 张量代数初步 | 第46-56页 |
| 2.6.1 张量的基本符号和定义 | 第48-51页 |
| 2.6.2 张量的基本运算 | 第51-53页 |
| 2.6.3 张量的CP分解 | 第53-55页 |
| 2.6.4 张量的Tucker分解 | 第55-56页 |
| 2.7 本章小结 | 第56-58页 |
| 第三章 基于向量多核学习的疑似AD脑MRI影像分类 | 第58-82页 |
| 3.1 引言 | 第58-59页 |
| 3.2 基于空间和解剖正则项的SVM | 第59-65页 |
| 3.2.1 Cuingnet框架 | 第59-61页 |
| 3.2.2 空间正则项 | 第61-62页 |
| 3.2.3 解剖正则项 | 第62-63页 |
| 3.2.4 空间正则项和解剖正则项的集成 | 第63-64页 |
| 3.2.5 Cuingnet框架的缺点 | 第64-65页 |
| 3.3 多核学习 | 第65-69页 |
| 3.3.1 lp-范数多核学习 | 第65-67页 |
| 3.3.2 SMO-MKL算法 | 第67-69页 |
| 3.4 基于向量多核学习的疑似AD脑MRI影像分类 | 第69-77页 |
| 3.4.1 Spatial-Anatomical-MKL方法 | 第70-71页 |
| 3.4.2 预处理与实验数据 | 第71-75页 |
| 3.4.3 实验结果与分析 | 第75-77页 |
| 3.5 本章小结 | 第77-78页 |
| 3.6 本章附录 | 第78-82页 |
| 第四章 基于张量学习的疑似AD脑MRI影像分类 | 第82-116页 |
| 4.1 引言 | 第82-83页 |
| 4.2 张量数据的结构信息 | 第83-87页 |
| 4.2.1 张量数据的空间结构信息和相关性信息 | 第83-85页 |
| 4.2.2 张量数据的解剖结构信息 | 第85-87页 |
| 4.3 支持张量机 | 第87-91页 |
| 4.3.1 张量数据的分类问题 | 第87页 |
| 4.3.2 秩-1 支持张量机 | 第87-91页 |
| 4.4 基于张量单核学习的疑似AD脑MRI影像分类 | 第91-98页 |
| 4.4.1 Spatial-Prior-in-STM方法 | 第91-96页 |
| 4.4.2 实验结果与分析 | 第96-98页 |
| 4.5 基于张量核函数的支持张量机 | 第98-103页 |
| 4.5.1 基于张量核函数的支持张量机 | 第98-100页 |
| 4.5.2 保持结构信息的张量核函数 | 第100-103页 |
| 4.6 基于张量多核学习的疑似AD脑MRI影像分类 | 第103-113页 |
| 4.6.1 二元图谱集的解剖核函数的计算 | 第103-105页 |
| 4.6.2 张量核函数构造 | 第105-111页 |
| 4.6.3 实验结果与分析 | 第111-113页 |
| 4.7 本章小结 | 第113-116页 |
| 第五章 总结与展望 | 第116-120页 |
| 5.1 本文总结与创新工作 | 第116-117页 |
| 5.2 展望 | 第117-120页 |
| 参考文献 | 第120-126页 |
| 致谢 | 第126-127页 |
| 攻读学位期间发表论文及科研情况 | 第127-128页 |
