结合代价敏感与半监督学习的乳腺癌辅助诊断算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-20页 |
| ·乳腺癌概况及其研究进展 | 第14-15页 |
| ·乳腺癌X 光线辅助诊断系统及其进展 | 第15-17页 |
| ·本文主要工作 | 第17-18页 |
| ·本文章节内容安排 | 第18-20页 |
| 第二章 相关知识介绍 | 第20-25页 |
| ·代价敏感学习 | 第20-22页 |
| ·代价种类 | 第20-21页 |
| ·代价敏感学习的研究现状 | 第21-22页 |
| ·半监督学习 | 第22-23页 |
| ·半监督聚类 | 第22-23页 |
| ·半监督分类 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第三章 ROI 图像预处理以及模式表示 | 第25-31页 |
| ·引言 | 第25页 |
| ·感兴趣区域（ROI）的获取及预处理 | 第25-26页 |
| ·诊断模式的表示 | 第26-30页 |
| ·空间域特征及多尺度特征 | 第26-28页 |
| ·纹理特征 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 改进的代价敏感选择性集成特征选择算法 | 第31-44页 |
| ·引言 | 第31-32页 |
| ·代价敏感的选择性集成 | 第32-34页 |
| ·CSSE 算法的改进 | 第34-36页 |
| ·实验结果及分析 | 第36-43页 |
| ·实验数据集 | 第36-37页 |
| ·评价标准 | 第37-38页 |
| ·比较方法简介 | 第38-40页 |
| ·实验设置 | 第40页 |
| ·实验结果及分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 半监督的代价敏感分类器 | 第44-59页 |
| ·引言 | 第44-45页 |
| ·半监督的代价敏感支持向量机 | 第45-48页 |
| ·支持向量机简介 | 第45-46页 |
| ·代价敏感的支持向量机（CSSVC） | 第46-47页 |
| ·CSSVC 的半监督化 | 第47-48页 |
| ·一致性CO-TRAINING 算法 | 第48-50页 |
| ·Co-Training 算法简介 | 第49页 |
| ·一致性Co-Training 算法 | 第49-50页 |
| ·实验结果及其分析 | 第50-58页 |
| ·实验数据集 | 第50页 |
| ·评价标准 | 第50-51页 |
| ·比较方法简介 | 第51-52页 |
| ·实验设置 | 第52页 |
| ·实验结果及分析 | 第52-58页 |
| ·实验结果一 | 第52-55页 |
| ·实验结果二 | 第55-56页 |
| ·实验结果三 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结以及后继工作展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·后继工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 硕士研究生期间参与的科研项目及发表的论文 | 第68页 |
