| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的来源、目的和意义 | 第9页 |
| 1.2 量子神经网络和稀疏编码在图像识别领域的国内外研究现状 | 第9-12页 |
| 1.2.1 量子神经网络及其在图像识别领域的国内外研究现状 | 第9-11页 |
| 1.2.2 稀疏编码及其在图像识别领域的国内外研究现状 | 第11-12页 |
| 1.3 论文内容和结构 | 第12-14页 |
| 1.3.1 论文主要内容 | 第12-13页 |
| 1.3.2 论文组织结构 | 第13-14页 |
| 第二章 理论知识 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 肿瘤细胞图像及其特点 | 第14-17页 |
| 2.3 量子神经网络概述 | 第17-18页 |
| 2.3.1 QNN与ANN区别 | 第17页 |
| 2.3.2 量子神经元模型 | 第17-18页 |
| 2.4 标准稀疏编码和非负稀疏编码的概念 | 第18-19页 |
| 2.5 图像特征提取方法概述 | 第19-20页 |
| 2.6 数据降维方法概述 | 第20-21页 |
| 2.7 图像分类识别方法概述 | 第21-24页 |
| 2.7.1 贝叶斯分类器 | 第21页 |
| 2.7.2 决策树分类器 | 第21-22页 |
| 2.7.3 支持向量机分类器 | 第22页 |
| 2.7.4 基于线性判别分析的分类器 | 第22页 |
| 2.7.5 基于人工神经网络的分类器 | 第22-23页 |
| 2.7.6 基于量子神经网络的分类器 | 第23-24页 |
| 第三章 基于QSOFM的肿瘤细胞图像分类器设计 | 第24-43页 |
| 3.1 引言 | 第24页 |
| 3.2 SOFM概述 | 第24-27页 |
| 3.2.1 SOFM网络模型 | 第24-26页 |
| 3.2.2 学习规则 | 第26-27页 |
| 3.3 QSOFM和SOFM比较 | 第27页 |
| 3.4 图像预处理 | 第27-29页 |
| 3.4.1 灰度化 | 第27-28页 |
| 3.4.2 归一化 | 第28-29页 |
| 3.5 基于主成分分析的降维处理 | 第29-30页 |
| 3.5.1 PCA定义 | 第29页 |
| 3.5.2 工作算法 | 第29-30页 |
| 3.6 QSOFM网络模型 | 第30-31页 |
| 3.6.1 量子神经元模型 | 第30-31页 |
| 3.6.2 量子自组织特征映射网络模型 | 第31页 |
| 3.7 QSOFM网络算法 | 第31-34页 |
| 3.7.1 QSOFM网络聚类算法 | 第32-33页 |
| 3.7.2 QSOFM网络分类算法 | 第33-34页 |
| 3.8 基于QSOFM的肿瘤细胞图像分类模型设计 | 第34-36页 |
| 3.8.1 肿瘤细胞图像分类模型 | 第34页 |
| 3.8.2 工作算法 | 第34-36页 |
| 3.9 仿真实验结果分析 | 第36-43页 |
| 3.9.1 数据准备 | 第36-37页 |
| 3.9.2 参数对比实验 | 第37-41页 |
| 3.9.3 结果分析 | 第41-43页 |
| 第四章 基于NIG的NNSC神经网络和QSOFM的肿瘤细胞图像分类模型研究 | 第43-52页 |
| 4.1 引言 | 第43页 |
| 4.2 基于NIG的NNSC神经网络的肿瘤细胞特征提取模型 | 第43-45页 |
| 4.2.1 肿瘤细胞图像特征提取模型 | 第43-44页 |
| 4.2.2 工作算法 | 第44-45页 |
| 4.3 基于NIG的NNSC神经网络和QSOFM结合可行性分析 | 第45-46页 |
| 4.4 基于NIG的NNSC神经网络和QSOFM的肿瘤细胞图像分类器设计 | 第46-49页 |
| 4.4.1 分类器模型设计 | 第46-47页 |
| 4.4.2 工作算法 | 第47-48页 |
| 4.4.3 分类规则 | 第48-49页 |
| 4.5 仿真实验及结果分析 | 第49-52页 |
| 4.5.1 实验对象 | 第49页 |
| 4.5.2 参数选择 | 第49-50页 |
| 4.5.3 不同分类方法的性能比较 | 第50-52页 |
| 第五章 肿瘤细胞图像分类器的设计与实现 | 第52-57页 |
| 5.1 肿瘤细胞图像分类器系统设计 | 第52-53页 |
| 5.2 肿瘤细胞图像分类器系统实现 | 第53-57页 |
| 5.2.1 系统界面设计 | 第53页 |
| 5.2.2 系统功能说明 | 第53-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 个人简历 在读期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
