| 第一章 绪论 | 第1-16页 |
| 1．1 引言 | 第9-10页 |
| 1．2 国内外研究现状 | 第10-11页 |
| 1．3 来源及研究背景、意义 | 第11-12页 |
| 1．4 本文研究内容 | 第12-15页 |
| 1．4．1 图像预处理 | 第13页 |
| 1．4．2 特征选择与提取 | 第13-14页 |
| 1．4．3 PSVM算法及其在系统中的应用 | 第14页 |
| 1．4．4 聚类算法及其在系统中的应用 | 第14-15页 |
| 1．5 本文内容组织 | 第15页 |
| 1．6 本章小结 | 第15-16页 |
| 第二章 图像预处理 | 第16-26页 |
| 2．1 图像处理概述 | 第16-17页 |
| 2．2 图像的去噪 | 第17页 |
| 2．3 图像的增强 | 第17-24页 |
| 2．3．1 直方图增强 | 第18-19页 |
| 2．3．2 直接同质增强 | 第19-24页 |
| 2．4 图像预处理在系统中的应用 | 第24-25页 |
| 2．5 本章小结 | 第25-26页 |
| 第三章 特征提取 | 第26-39页 |
| 3．1 图像纹理的灰度分布统计特征 | 第26-31页 |
| 3．1．1 灰度共生矩阵纹理特征的提取 | 第26-30页 |
| 3．1．2 灰度统计特征的提取 | 第30-31页 |
| 3．2 图像边缘特征的提取 | 第31-36页 |
| 3．2．1 紧凑度(Compactness) | 第31-32页 |
| 3．2．2 矩(Moment) | 第32-34页 |
| 3．2．3 傅立叶描述子(Fourier Descriptor) | 第34-35页 |
| 3．2．4 弦长统计量(Chord-Length Statistic) | 第35-36页 |
| 3．3 特征在系统中的应用 | 第36-38页 |
| 3．3．1 灰度分布统计特征的应用 | 第36-37页 |
| 3．3．2 边缘特征的应用 | 第37-38页 |
| 3．4 本章小结 | 第38-39页 |
| 第四章 近似支撑矢量机 | 第39-49页 |
| 4．1 支撑矢量机(SVM)概述 | 第39-40页 |
| 4．2 支撑矢量机算法 | 第40-43页 |
| 4．2．1 线性支撑矢量机 | 第40-42页 |
| 4．2．2 非线性支撑矢量机 | 第42-43页 |
| 4．3 近似的支撑矢量机(PSVM)算法 | 第43-48页 |
| 4．3．1 线性 PSVM | 第43-45页 |
| 4．3．2 非线性NPSVM | 第45-47页 |
| 4．3．3 NPSVM与PSVM在系统中的应用及对比 | 第47-48页 |
| 4．4 本章小节 | 第48-49页 |
| 第五章 聚类 | 第49-62页 |
| 5．1 聚类(Clustering)的概述 | 第49-51页 |
| 5．2 聚类算法 | 第51-56页 |
| 5．2．1 划分方法 | 第51-52页 |
| 5．2．2 层次方法 | 第52-53页 |
| 5．2．3 基于密度的方法 | 第53页 |
| 5．2．4 基于网格的方法 | 第53-54页 |
| 5．2．5 各种聚类方法的对比 | 第54-56页 |
| 5．3 基于密度的聚类方法的改进 | 第56-60页 |
| 5．3．1 CURD算法 | 第57页 |
| 5．3．2 动态优化的密度聚类算法 | 第57-60页 |
| 5．4 聚类算法在系统中的应用 | 第60-61页 |
| 5．5 本章小结 | 第61-62页 |
| 第六章 乳腺癌计算机辅助诊断系统的设计 | 第62-67页 |
| 6．1 系统框架、处理流程 | 第62-64页 |
| 6．2 数据流转 | 第64-65页 |
| 6．3 程序执行的部分效果图 | 第65-66页 |
| 6．4 开发与运行环境 | 第66页 |
| 6．4．1 开发环境 | 第66页 |
| 6．4．2 运行环境 | 第66页 |
| 6．5 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7．1 本文工作总结 | 第67-68页 |
| 7．2 进一步的研究工作 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73页 |
