| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状分析 | 第11-16页 |
| 1.2.1 进化算法的研究现状 | 第11-13页 |
| 1.2.2 协方差矩阵自适应进化策略的研究现状 | 第13-15页 |
| 1.2.3 医学图像配准的研究现状 | 第15-16页 |
| 1.3 本文内容安排 | 第16-18页 |
| 第2章 协方差矩阵自适应进化策略 | 第18-30页 |
| 2.1 理论基础 | 第18-25页 |
| 2.1.1 正定矩阵的特征分解 | 第18页 |
| 2.1.2 协方差矩阵及其特征分解 | 第18-20页 |
| 2.1.3 多元高斯分布 | 第20-24页 |
| 2.1.4 随机黑箱优化 | 第24-25页 |
| 2.1.5 协方差矩阵和Hessian矩阵之间的关系 | 第25页 |
| 2.2 协方差矩阵自适应学习原理 | 第25-29页 |
| 2.2.1 采样 | 第26页 |
| 2.2.2 协方差矩阵更新 | 第26-28页 |
| 2.2.3 全局步长控制 | 第28-29页 |
| 2.3 CMA-ES算法总结 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于Student-t过程的CMA-ES算法 | 第30-42页 |
| 3.1 高斯过程概述 | 第30-32页 |
| 3.2 Student-t分布与Student-t过程 | 第32-35页 |
| 3.3 核技巧 | 第35-37页 |
| 3.3.1 核函数的定义 | 第36页 |
| 3.3.2 核技巧在TPCMA-ES中的应用 | 第36-37页 |
| 3.4 TPCMA-ES算法核心思想 | 第37-38页 |
| 3.5 算法性能测试 | 第38-41页 |
| 3.5.1 测试函数 | 第38-39页 |
| 3.5.2 测试结果分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于置信区间的TPCMA-ES | 第42-50页 |
| 4.1 置信区间 | 第42-44页 |
| 4.2 算法核心思想 | 第44-45页 |
| 4.3 算法的性能测试 | 第45-49页 |
| 4.3.1 测试函数 | 第45-47页 |
| 4.3.2 测试结果分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于CMA-ES算法的医学图像配准 | 第50-63页 |
| 5.1 图像配准原理 | 第50-51页 |
| 5.1.1 医学图像配准的概念 | 第50页 |
| 5.1.2 医学图像配准的数学描述 | 第50-51页 |
| 5.2 医学图像配准流程 | 第51-55页 |
| 5.2.1 特征空间 | 第52-53页 |
| 5.2.2 变换模型 | 第53页 |
| 5.2.3 相似性度量方法 | 第53-55页 |
| 5.2.4 搜索策略 | 第55页 |
| 5.3 基于归一化互信息的医学图像配准 | 第55-57页 |
| 5.3.1 配准方案设计 | 第56-57页 |
| 5.3.2 实验设置 | 第57页 |
| 5.4 单模态医学图像配准 | 第57-59页 |
| 5.4.1 单模态医学图像配准问题描述 | 第57-58页 |
| 5.4.2 仿真结果及分析 | 第58-59页 |
| 5.5 多模态医学图像配准 | 第59-62页 |
| 5.5.1 多模态医学图像配准问题描述 | 第59页 |
| 5.5.2 仿真结果及分析 | 第59-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |
