| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 1 绪论 | 第11-15页 |
| ·课题背景及意义 | 第11-12页 |
| ·课题背景 | 第11-12页 |
| ·课题研究意义 | 第12页 |
| ·肺癌诊断的国内外现状 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 肺癌诊断材料及特征数据的提取方法 | 第15-18页 |
| ·病例数据和检查方法 | 第15页 |
| ·病例数据 | 第15页 |
| ·检查方法 | 第15页 |
| ·特征数据提取方法 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 3 BP神经网络和模糊神经网络 | 第18-27页 |
| ·人工神经网络结构 | 第18-19页 |
| ·神经元模型 | 第18页 |
| ·人工神经网络模型 | 第18-19页 |
| ·BP神经网络 | 第19-20页 |
| ·BP神经网络原理 | 第19-20页 |
| ·BP网络的缺点 | 第20页 |
| ·BP神经网络的结构设计 | 第20-24页 |
| ·训练集样本的准备 | 第20-23页 |
| ·初始权值的选择 | 第23页 |
| ·BP网络的结构 | 第23-24页 |
| ·模糊神经网络 | 第24-26页 |
| ·模糊神经网络简介 | 第24-25页 |
| ·隶属度函数 | 第25页 |
| ·模糊神经网络结构 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 4 遗传算法 | 第27-38页 |
| ·生物进化和遗传算法概述 | 第27-28页 |
| ·生物进化简介 | 第27页 |
| ·遗传算法概述 | 第27-28页 |
| ·遗传算法的常用概念 | 第28-29页 |
| ·遗传算法的基本原理 | 第29-32页 |
| ·遗传算法的基本原理 | 第29-32页 |
| ·模式定理 | 第32页 |
| ·遗传算法的特点 | 第32页 |
| ·遗传算法优化神经网络 | 第32-36页 |
| ·初始种群的设定 | 第32-33页 |
| ·适应度函数的计算 | 第33页 |
| ·选择操作 | 第33-34页 |
| ·交叉操作 | 第34页 |
| ·变异操作 | 第34-35页 |
| ·优化BP模型的建立 | 第35页 |
| ·优化算法的流程图 | 第35-36页 |
| ·遗传算法的应用 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 5 GA优化的模糊神经网络在肺癌诊断中的应用 | 第38-45页 |
| ·GA优化的模糊神经网络和原始模糊神经网络的实验结果 | 第38-41页 |
| ·模糊神经网络的仿真输出图形 | 第41-42页 |
| ·GA优化的模糊神经网络的仿真输出图形 | 第41页 |
| ·作为对比的原始模糊神经网络仿真输出图形 | 第41-42页 |
| ·适应度函数图形 | 第42页 |
| ·经GA优化的模糊神经网络和原始模糊神经网络的结果分析 | 第42-43页 |
| ·验证与讨论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 6 总结与展望 | 第45-47页 |
| ·论文小结 | 第45页 |
| ·论文的创新点 | 第45页 |
| ·论文存在的问题以及未来工作的展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 个人简历 | 第50-51页 |
| 致谢 | 第51页 |