| 目录 | 第1-3页 |
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第5-9页 |
| 1．1 课题背景 | 第5页 |
| 1．2 细胞识别技术发展 | 第5-6页 |
| 1．3 多分类器融合技术 | 第6-7页 |
| 1．4 论文主要工作 | 第7-9页 |
| 第二章 特征分析与细胞识别 | 第9-20页 |
| 2．1 骨髓细胞的分类和基本特征 | 第9-10页 |
| 2．2 特征选择 | 第10-14页 |
| 2．3 细胞图像识别技术 | 第14-20页 |
| 第三章 最优分类器集的设计 | 第20-31页 |
| 3．1 理论框架 | 第20-23页 |
| 3．2 基于最小相关度的分类器子集选择 | 第23-25页 |
| 3．3 以系统识别率为目标的最优子集搜索 | 第25-26页 |
| 3．4 利用机器学习理论的成员产生方法 | 第26-27页 |
| 3．5 结合相关度与可靠性的成员动态选择 | 第27-31页 |
| 第四章 多分类器融合技术研究 | 第31-53页 |
| 4．1 融合方法概览与研究现状 | 第31-42页 |
| 4．1．1 分类器选择 | 第31-32页 |
| 4．1．2 分类器串行组合 | 第32-33页 |
| 4．1．3 分类器并行组合 | 第33-42页 |
| 4．1．4 基于层次的组合方式 | 第42页 |
| 4．2 基于改进型Dempster-Shafer证据理论的骨髓细胞识别技术 | 第42-49页 |
| 4．2．1 基本原理 | 第42-44页 |
| 4．2．2 相关性分析 | 第44-46页 |
| 4．2．3 矛盾冲突的分配 | 第46页 |
| 4．2．4 基本概率分配函数构造的改进 | 第46-47页 |
| 4．2．5 决策规则 | 第47-49页 |
| 4．3 基于模糊积分理论的骨髓细胞识别技术 | 第49-53页 |
| 4．3．1 模糊测度和模糊积分理论 | 第49-50页 |
| 4．3．2 模糊测度的自适应动态赋值 | 第50-52页 |
| 4．3．3 比较实验 | 第52-53页 |
| 第五章 实验结果与分析 | 第53-61页 |
| 第六章 总结与展望 | 第61-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |