| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·算法现状 | 第10-11页 |
| ·肺癌诊断技术现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文解决的关键问题 | 第13-15页 |
| 第2章 BP神经网络及改进 | 第15-21页 |
| ·人工神经网络的模型与特点 | 第15-16页 |
| ·BP神经网络的数学描述 | 第16-17页 |
| ·BP算法存在的问题及改进 | 第17-19页 |
| ·BP算法在肺癌CT诊断中的应用 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 遗传算法 | 第21-30页 |
| ·遗传算法概述 | 第21-23页 |
| ·遗传算法的主要操作 | 第23-26页 |
| ·遗传编码 | 第23页 |
| ·适应度函数 | 第23-24页 |
| ·遗传算子 | 第24-26页 |
| ·初始群体的设定 | 第26页 |
| ·遗传算法的改进 | 第26-28页 |
| ·阶梯遗传算法 | 第26-27页 |
| ·CHC算法 | 第27页 |
| ·微种群算法 | 第27页 |
| ·双种群遗传算法 | 第27-28页 |
| ·遗传算法寻优MATLAB仿真 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 遗传-神经网络(GA-BP)算法及改进 | 第30-45页 |
| ·GA优化BP网络的一般方法 | 第30-32页 |
| ·GA优化BP网络的权值 | 第30-31页 |
| ·GA优化BP网络的结构 | 第31-32页 |
| ·GA优化BP网络的学习规则 | 第32页 |
| ·改进的GA-BP算法思想 | 第32-35页 |
| ·多物种协同进化思想的引入 | 第32-33页 |
| ·模拟退火思想的引入 | 第33-35页 |
| ·改进的GA-BP算法同时优化神经网络的结构和权值 | 第35-41页 |
| ·初始种群的设定 | 第35-36页 |
| ·编码方案及初始解空间的确定 | 第36-37页 |
| ·适应度函数的选择 | 第37页 |
| ·遗传算子的设计 | 第37-38页 |
| ·模拟退火算子 | 第38-39页 |
| ·算法的基本流程 | 第39-41页 |
| ·改进的GA-BP算法MATLAB仿真 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 改进的GA优化BP网络的输入在肺癌危险因素中的应用 | 第45-56页 |
| ·研究对象 | 第45-46页 |
| ·数据预处理 | 第46页 |
| ·编码 | 第46-47页 |
| ·主要参数的选择 | 第47-50页 |
| ·初始种群的确定 | 第47页 |
| ·适应度的拉伸变换 | 第47-48页 |
| ·遗传算子的设置 | 第48-50页 |
| ·BP网络设计 | 第50-51页 |
| ·GA-BP主程序设计 | 第51-53页 |
| ·结果及分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 改进的GA优化BP网络结构和权值在肺癌CT诊断中的应用 | 第56-65页 |
| ·数据预处理 | 第56-57页 |
| ·初始种群的确定 | 第57页 |
| ·对网络结构和权值编码 | 第57-58页 |
| ·主要参数的选择 | 第58-59页 |
| ·遗传算子的设计 | 第58页 |
| ·模拟退火算子的设计 | 第58页 |
| ·BP网络参数的设计 | 第58-59页 |
| ·改进的GA-BP算法优化流程 | 第59-60页 |
| ·BP网络的训练及仿真 | 第60-63页 |
| ·结果与分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第7章 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文与参加的项目 | 第71页 |
