糖网病眼底图像的聚类研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 糖网病眼底图像聚类分析的研究现状 | 第12-13页 |
| 1.2.2 基于深度学习的聚类研究现状 | 第13-14页 |
| 1.3 本文的目标与挑战 | 第14-15页 |
| 1.4 论文主要研究内容与章节安排 | 第15-16页 |
| 第2章 糖网病眼底图像的传统聚类研究 | 第16-38页 |
| 2.1 传统聚类算法介绍 | 第16-21页 |
| 2.1.1 K均值 | 第17-18页 |
| 2.1.2 谱聚类 | 第18-21页 |
| 2.2 LargeVis方法简介 | 第21-22页 |
| 2.3 基于原图的传统聚类研究 | 第22-26页 |
| 2.3.1 实验数据与方法实现 | 第22-23页 |
| 2.3.2 实验结果与分析 | 第23-26页 |
| 2.3.2.1 定量评价 | 第23-25页 |
| 2.3.2.2 定性评价 | 第25-26页 |
| 2.4 基于图像特征的传统聚类研究 | 第26-38页 |
| 2.4.1 图像特征 | 第26-33页 |
| 2.4.1.1 灰度特征 | 第27页 |
| 2.4.1.2 纹理特征 | 第27-33页 |
| 2.4.2 实验数据与方法实现 | 第33-35页 |
| 2.4.3 实验结果与分析 | 第35-38页 |
| 2.4.3.1 定量评价 | 第35-36页 |
| 2.4.3.2 定性评价 | 第36-38页 |
| 第3章 基于深度学习的糖网病眼底图像聚类研究 | 第38-54页 |
| 3.1 深度学习的基本理论 | 第38-42页 |
| 3.1.1 感知器 | 第39页 |
| 3.1.2 多层感知器 | 第39-41页 |
| 3.1.3 卷积神经网络 | 第41-42页 |
| 3.2 基于深度迁移特征的聚类研究 | 第42-47页 |
| 3.2.1 VGGNet-19网络结构介绍 | 第43-45页 |
| 3.2.2 实验数据与方法实现 | 第45页 |
| 3.2.3 结果与分析 | 第45-47页 |
| 3.2.3.1 定量评价 | 第45-46页 |
| 3.2.3.2 定性评价 | 第46-47页 |
| 3.3 深度学习与聚类联合优化学习 | 第47-54页 |
| 3.3.1 层次凝聚聚类 | 第47-48页 |
| 3.3.2 深度学习与聚类联合优化学习理论 | 第48-51页 |
| 3.3.3 实验数据与方法实现 | 第51-52页 |
| 3.3.4 实验结果及分析 | 第52-54页 |
| 第4章 总结与展望 | 第54-56页 |
| 4.1 本文总结 | 第54页 |
| 4.2 本文的创新 | 第54-55页 |
| 4.3 本文的不足与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间的研究成果 | 第60页 |
