| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题来源及研究的背景和意义 | 第9-11页 |
| 1.1.1 课题的来源 | 第9页 |
| 1.1.2 课题研究的背景和意义 | 第9-11页 |
| 1.2 模式分类方法的研究现状 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12-14页 |
| 第2章 稀疏表示和稀疏分类方法理论 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 稀疏性和稀疏性的度量 | 第14-15页 |
| 2.3 稀疏表示模型 | 第15-16页 |
| 2.4 稀疏分类方法 | 第16-20页 |
| 2.4.1 稀疏分类模型 | 第16-17页 |
| 2.4.2 稀疏系数重构方法 | 第17-20页 |
| 2.5 简单信号重构仿真实验 | 第20-21页 |
| 2.6 简单信号稀疏分类仿真实验 | 第21-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 基于稀疏表示特征提取的肝肿瘤超声造影 SVM 分类方法 | 第27-48页 |
| 3.1 引言 | 第27页 |
| 3.2 肝脏超声造影图像的分析 | 第27-29页 |
| 3.3 肝肿瘤超声造影自动诊断实验数据构造 | 第29-32页 |
| 3.4 SVM 应用于肝肿瘤超声造影自动诊断实验 | 第32-41页 |
| 3.4.1 SVM 的基本概念及理论 | 第32-39页 |
| 3.4.2 实验方法及结果分析 | 第39-41页 |
| 3.5 基于稀疏表示和 PCA 相结合的特征提取方法及应用 | 第41-46页 |
| 3.5.1 基于稀疏表示和 PCA 相结合的特征提取方法 | 第41-43页 |
| 3.5.2 SVM 应用于肝肿瘤超声造影自动诊断的优化 | 第43-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 基于稀疏表示的肝肿瘤超声造影分类方法 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 肝肿瘤超声造影稀疏分类方法 | 第48-50页 |
| 4.2.1 TIC 样本的特征向量表示 | 第48-49页 |
| 4.2.2 冗余字典构造 | 第49页 |
| 4.2.3 稀疏系数重建 | 第49-50页 |
| 4.2.4 决策所属类别 | 第50页 |
| 4.3 肝肿瘤超声造影稀疏分类方法应用于诊断实验 | 第50-57页 |
| 4.3.1 实验方法及结果分析 | 第50-52页 |
| 4.3.2 分类决策原则对比实验 | 第52-55页 |
| 4.3.3 稀疏系数重构方法对比实验 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-68页 |
| 致谢 | 第68页 |
