赤潮生物图像分类识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题的背景和意义 | 第12-13页 |
| ·赤潮生物图像分类识别技术的国内外研究现状 | 第13-15页 |
| ·本课题的研究工作及创新之处 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 赤潮生物图像的获取与特征提取 | 第18-28页 |
| ·赤潮生物流式图像采集控制系统简介 | 第18-22页 |
| ·流路控制系统 | 第18-19页 |
| ·图像采集系统 | 第19-20页 |
| ·荧光采集系统 | 第20-21页 |
| ·赤潮生物流式图像采集控制系统结构框图 | 第21-22页 |
| ·赤潮生物图像的检测 | 第22-23页 |
| ·灰度信息 | 第22-23页 |
| ·纹理信息 | 第23页 |
| ·尺度信息 | 第23页 |
| ·赤潮生物图像的特征提取 | 第23-25页 |
| ·基于矩的特征 | 第23-24页 |
| ·纹理特征 | 第24页 |
| ·多分辨率高斯差特征 | 第24-25页 |
| ·基本形状特征 | 第25页 |
| ·实验选取的赤潮生物图像 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 赤潮生物图像的特征选择 | 第28-44页 |
| ·特征选择问题的提出 | 第28-29页 |
| ·特征选择理论 | 第29-32页 |
| ·特征降维概述 | 第29-30页 |
| ·特征选择的三种方式 | 第30-32页 |
| ·特征选择方法 | 第32-37页 |
| ·ReliefF算法 | 第32-35页 |
| ·顺序后向搜索(SBS)策略 | 第35页 |
| ·ReliefF-SBS算法 | 第35-37页 |
| ·BW算法 | 第37页 |
| ·赤潮生物图像的特征选择结果与分析 | 第37-43页 |
| ·特征选择实验数据 | 第37-38页 |
| ·ReliefF-SBS特征选择结果与分析 | 第38-41页 |
| ·BW特征选择结果与分析 | 第41-42页 |
| ·特征选择对SVM分类器的影响 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 赤潮生物图像的分类识别 | 第44-68页 |
| ·模式识别概述 | 第44-45页 |
| ·支持向量机(SVM) | 第45-59页 |
| ·支持向量机基本理论 | 第45-49页 |
| ·多分类支持向量机 | 第49-51页 |
| ·分类识别的实验数据与 SVM软件包 | 第51-52页 |
| ·多分类支持向量机的选择 | 第52-59页 |
| ·K近邻理论 | 第59-62页 |
| ·最近邻原理和 K近邻算法 | 第59-60页 |
| ·KNN分类结果与分析 | 第60-62页 |
| ·SVM-KNN分类器 | 第62-66页 |
| ·SVM-KNN分类器的原理 | 第63-64页 |
| ·SVM-KNN分类器算法 | 第64页 |
| ·SVM-KNN分类结果与分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 硕士期间所参与的科研课题与发表论文 | 第74-76页 |
| 致谢 | 第76页 |
