| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 医学图像分割的选题背景 | 第10页 |
| 1.1.2 恶意软件分类选题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 医学图像分割的国内外研究现状 | 第11-12页 |
| 1.2.2 恶意样本的国内外研究现状 | 第12页 |
| 1.3 论文主要工作与贡献 | 第12-13页 |
| 1.4 本文的结构安排 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 医学图像分割的理论基础 | 第14-28页 |
| 2.1 基于Spark的医学图像分割 | 第14-18页 |
| 2.1.1 分布式平台综述 | 第14页 |
| 2.1.2 Spark的体系架构 | 第14-16页 |
| 2.1.3 Spark运行流程 | 第16页 |
| 2.1.4 Spark运行模式 | 第16页 |
| 2.1.5 SparkRDD | 第16-17页 |
| 2.1.6 Spark优点 | 第17-18页 |
| 2.2 资源调度平台YARN | 第18-20页 |
| 2.2.1 YARN架构 | 第19页 |
| 2.2.2 YARN资源分配 | 第19-20页 |
| 2.3 聚类分析 | 第20-25页 |
| 2.3.1 模糊理论 | 第21页 |
| 2.3.2 基于FCM算法的图像分割算法 | 第21-22页 |
| 2.3.3 基于模糊聚类分析的图像分割算法的研究现状 | 第22-25页 |
| 2.4 水平集图像分割算法 | 第25-28页 |
| 2.4.1 变分水平集方法的形成和发展 | 第25-26页 |
| 2.4.2 水平集方法应用在医学图像分割中的优势 | 第26页 |
| 2.4.3 C-V模型 | 第26-28页 |
| 第三章 结合KFCM—CV的医学图像分割算法 | 第28-34页 |
| 3.1 分布式处理平台的搭建 | 第28-29页 |
| 3.2 核模糊C均值聚类算法 | 第29-30页 |
| 3.3 无需重新初始化的CV模型 | 第30-31页 |
| 3.4 改进的KFCM—CV模型 | 第31-32页 |
| 3.5 结果分析 | 第32-34页 |
| 第四章 恶意样本分析的理论基础 | 第34-42页 |
| 4.1 PE文件结构及其解析 | 第34-38页 |
| 4.1.1 PE文件结构 | 第35-36页 |
| 4.1.2 PE文件的虚拟地址与文件偏移 | 第36-38页 |
| 4.2 最长公共子序列算法 | 第38-39页 |
| 4.2.1 引言 | 第38页 |
| 4.2.2 最大公共子序列相关定义 | 第38-39页 |
| 4.2.3 动态规划算法求解最大公共子序列问题 | 第39页 |
| 4.3 极大团算法 | 第39-42页 |
| 4.3.1 极大团介绍 | 第39页 |
| 4.3.2 Bron-Kerbosch算法 | 第39-42页 |
| 第五章 恶意样本分类模型 | 第42-50页 |
| 5.1 模型建立 | 第42-43页 |
| 5.2 仿真实验 | 第43-44页 |
| 5.3 结果及分析 | 第44-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-56页 |
| 攻读学位期间取得的研究成果 | 第56页 |