| 第一章 绪论 | 第1-17页 |
| ·引言 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文选题来源及研究背景、意义 | 第11-13页 |
| ·本文研究内容 | 第13-15页 |
| ·图像预处理 | 第13-14页 |
| ·特征选择与提取 | 第14页 |
| ·算法和分类器设计 | 第14-15页 |
| ·本文内容组织 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 近似支撑矢量机(PSVM)分类算法 | 第17-28页 |
| ·支撑矢量机(SVM)概述 | 第17-18页 |
| ·支撑矢量机算法 | 第18-22页 |
| ·分类面结构 | 第18-19页 |
| ·最优分类面 | 第19-20页 |
| ·非线性支撑矢量机 | 第20-21页 |
| ·标准SVM算法存在的问题及对应策略 | 第21-22页 |
| ·近似的支撑矢量机(PSVM)算法 | 第22-27页 |
| ·线性PSVM | 第22-25页 |
| ·非线性PSVM | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 神经网络分类器 | 第28-41页 |
| ·神经网络概述 | 第28页 |
| ·神经网络结构及学习机理 | 第28-30页 |
| ·反向传播算法(BP算法) | 第30-36页 |
| ·BP算法网络模型 | 第30-32页 |
| ·BP学习算法 | 第32-36页 |
| ·标准反向传播BP算法存在的问题及对策 | 第36-40页 |
| ·提高BP算法的收敛速度 | 第37-39页 |
| ·权值调节的全局优化算法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于共生矩阵纹理特征的乳腺X照片分类器设计 | 第41-52页 |
| ·图像预处理 | 第41-45页 |
| ·图像去噪 | 第41-42页 |
| ·图像增强 | 第42-45页 |
| ·图像纹理的灰度分布统计特征 | 第45-50页 |
| ·灰度共生矩阵 | 第45-47页 |
| ·灰度共生矩阵纹理特征提取 | 第47-50页 |
| ·生成具有旋转不变性的纹理特征 | 第50页 |
| ·基于PSVM的乳腺X照片分类器设计 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于边缘形状特征的乳腺X照片图像分类器设计 | 第52-62页 |
| ·基于区域增长的图像分割 | 第52-55页 |
| ·形状特征提取 | 第55-59页 |
| ·紧凑度(Compactness) | 第55-56页 |
| ·矩(Moment) | 第56-58页 |
| ·傅立叶描述子(Fourier Descriptor) | 第58-59页 |
| ·基于形状特征的分类器算法 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 基于组织切片数据的乳腺肿瘤分类器设计 | 第62-67页 |
| ·数据来源及数据变换 | 第62-63页 |
| ·分类器器设计 | 第63-66页 |
| ·分类器构造 | 第63-65页 |
| ·分类器训练 | 第65-66页 |
| ·实验结果 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第七章 乳腺癌计算机辅助诊断系统设计 | 第67-71页 |
| ·系统框架、处理流程 | 第67-68页 |
| ·数据流转 | 第68-69页 |
| ·程序执行的部分效果图 | 第69-70页 |
| ·开发与运行环境 | 第70页 |
| ·开发环境 | 第70页 |
| ·运行环境 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第八章 总结与展望 | 第71-73页 |
| ·本文工作总结 | 第71-72页 |
| ·进一步的研究工作 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 附录 | 第77页 |
