体绘制多维传递函数的设计方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究的目的和意义 | 第13-15页 |
| ·国内外的研究现状和发展趋势 | 第15-16页 |
| ·论文的主要内容和组织结构 | 第16-18页 |
| 第2章 体绘制的传递函数 | 第18-32页 |
| ·概述 | 第18-24页 |
| ·体绘制的传递函数 | 第24-28页 |
| ·传递函数的定义 | 第24-25页 |
| ·传递函数的分类 | 第25-28页 |
| ·体绘制传递函数的主要设计方法 | 第28-31页 |
| ·手动调节法 | 第29页 |
| ·图像中心法 | 第29-30页 |
| ·数据中心法 | 第30页 |
| ·对象中心法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于K 均值聚类算法的多维传递函数设计 | 第32-43页 |
| ·概述 | 第32页 |
| ·灰度-梯度直方图 | 第32-35页 |
| ·梯度与物质边界模型 | 第32-33页 |
| ·灰度-梯度直方图 | 第33-35页 |
| ·K 均值聚类算法 | 第35-38页 |
| ·K 均值聚类算法原理 | 第36-37页 |
| ·K 均值聚类算法步骤 | 第37-38页 |
| ·基于K 均值聚类算法的传递函数设计 | 第38-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于极端学习机的多维传递函数设计 | 第43-56页 |
| ·概述 | 第43页 |
| ·人工神经网络理论 | 第43-47页 |
| ·人工神经网络的模型 | 第44-45页 |
| ·人工神经网络的分类和学习 | 第45-47页 |
| ·极端学习机算法 | 第47-50页 |
| ·极端学习机算法理论 | 第47-50页 |
| ·极端学习机算法步骤 | 第50页 |
| ·基于极端学习机的多维传递函数设计 | 第50-53页 |
| ·基于极端学习机的多维传递函数设计基本原理 | 第50-51页 |
| ·训练样本的选择和预处理 | 第51-52页 |
| ·基于极端学习机的多维传递函数的设计 | 第52-53页 |
| ·实验结果与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 1. 研究工作总结 | 第56页 |
| 2. 研究工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64-65页 |
| 大摘要 | 第65-69页 |
