基于有监督流形降维的自动化医学诊断
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 课题研究现状 | 第11-13页 |
| 1.2.1 流形降维研究现状 | 第11页 |
| 1.2.2 流形降维在医学诊断中的应用 | 第11-12页 |
| 1.2.3 有监督流形降维研究现状 | 第12-13页 |
| 1.3 本文研究内容和结构安排 | 第13-15页 |
| 1.3.1 本文主要研究内容 | 第13页 |
| 1.3.2 本文结构安排 | 第13-15页 |
| 第二章 流形学习算法理论 | 第15-24页 |
| 2.1 流形学习 | 第15-16页 |
| 2.2 有监督流形降维 | 第16-23页 |
| 2.2.1 有监督局部线性嵌入算法SLLE | 第16-18页 |
| 2.2.2 局部敏感判别分析算法LSDA | 第18-22页 |
| 2.2.3 判别局部线性嵌入算法DLLE | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 有监督的等度规映射分类器 | 第24-41页 |
| 3.1 有监督的等度规映射降维 | 第24-27页 |
| 3.1.1 流形距离 | 第25页 |
| 3.1.2 监督信息融入 | 第25-26页 |
| 3.1.3 流形低维嵌入 | 第26-27页 |
| 3.2 分类决策面的构建 | 第27-28页 |
| 3.3 测试数据扩展 | 第28-30页 |
| 3.4 SIMBA算法小结 | 第30-31页 |
| 3.4.1 算法的复杂度 | 第30-31页 |
| 3.5 实验分析 | 第31-40页 |
| 3.5.1 人工数据集实验分析 | 第31-32页 |
| 3.5.2 真实数据集实验分析 | 第32-40页 |
| 3.6 本章小节 | 第40-41页 |
| 第四章 有监督的局部线性嵌入分类器 | 第41-56页 |
| 4.1 有监督局部线性嵌入降维 | 第41-43页 |
| 4.1.1 计算局部权重矩阵 | 第41-42页 |
| 4.1.2 线性权重的调整 | 第42页 |
| 4.1.3 流形低维嵌入 | 第42-43页 |
| 4.2 构建分类决策面 | 第43-45页 |
| 4.3 测试数据扩展 | 第45-47页 |
| 4.4 DLLEA算法小结 | 第47页 |
| 4.4.1 算法的复杂度 | 第47页 |
| 4.5 实验分析 | 第47-55页 |
| 4.5.1 人工数据集实验分析 | 第47-48页 |
| 4.5.2 真实数据集实验分析 | 第48-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 监督式局部切空间局部样条嵌入分类器 | 第56-64页 |
| 5.1 背景技术 | 第56-58页 |
| 5.2 SLSE算法 | 第58-61页 |
| 5.2.1 构建类内图和类间图 | 第58-59页 |
| 5.2.2 线性映射投影 | 第59-61页 |
| 5.3 测试数据扩展 | 第61-62页 |
| 5.4 实验分析 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文与参加的研究工作 | 第70-71页 |
