| 西北师范大学研究生学位论文作者信息 | 第5-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 数据挖掘分类算法在医学图像中的研究现状 | 第13-14页 |
| 1.2.2 多分类器的研究现状 | 第14-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 2 医学图像的预处理及特征提取 | 第17-22页 |
| 2.1 医学图像的去噪 | 第17-18页 |
| 2.2 医学图像的增强 | 第18-19页 |
| 2.3 医学图像的特征提取 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 超球体多分类支持向量数据描述分类算法 | 第22-35页 |
| 3.1 核主成分分析方法 | 第23-25页 |
| 3.1.1 核主成分分析的基本原理 | 第23-24页 |
| 3.1.2 核主成分分析的实现算法 | 第24-25页 |
| 3.2 支持向量数据描述 | 第25-28页 |
| 3.3 超球体多分类支持向量数据描述分类算法 | 第28-31页 |
| 3.3.1 超球体多分类支持向量数据描述的基本原理 | 第28-30页 |
| 3.3.2 超球体多分类支持向量数据描述的算法描述 | 第30-31页 |
| 3.4 在乳腺 X 光医学图像上的应用 | 第31-34页 |
| 3.4.1 实验说明 | 第31页 |
| 3.4.2 实验结果分析与比较 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于 MapReduce 编程模式的超球体多分类支持向量数据描述算法 | 第35-51页 |
| 4.1 MapReduce 相关技术 | 第35-39页 |
| 4.1.1 MapReduce 简介 | 第35页 |
| 4.1.2 MapReduce 编程模型 | 第35-36页 |
| 4.1.3 MapReduce 的实现机制 | 第36-37页 |
| 4.1.4 MapReduce 应用实例 | 第37-39页 |
| 4.2 MapReduce 作业的链接 | 第39-40页 |
| 4.2.1 顺序链接 MapReduce 作业 | 第39页 |
| 4.2.2 复杂依赖的 MapReduce 链接 | 第39-40页 |
| 4.2.3 预处理和后处理阶段的 MapReduce 链接 | 第40页 |
| 4.3 基于 MapReduce 编程模式下的超球体多分类支持向量数据描述算法（MRHSMC-SVDD）的设计 | 第40-44页 |
| 4.3.1 MRHSMC-SVDD 算法描述 | 第40-41页 |
| 4.3.2 MRHSMC-SVDD 算法的具体实现 | 第41-44页 |
| 4.4 MRHSMC-SVDD 分类器在乳腺 X 光医学图像中的实验 | 第44-50页 |
| 4.4.1 实验环境的配置 | 第44-47页 |
| 4.4.2 实验数据的准备 | 第47-48页 |
| 4.4.3 实验过程 | 第48-49页 |
| 4.4.4 实验结果的分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-54页 |
| 5.1 论文总结 | 第51-52页 |
| 5.2 未来展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读学位期间取得的研究成果与参与的科研项目 | 第59-60页 |
| 致谢 | 第60页 |
