基于神经元空间形态的分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究概况 | 第11-12页 |
| 1.3 论文内容的安排 | 第12-13页 |
| 2 模式识别基本理论 | 第13-24页 |
| 2.1 模式识别基本概念和工作流程 | 第13-15页 |
| 2.1.1 模式识别基本概念 | 第13页 |
| 2.1.2 模式识别工作流程 | 第13-15页 |
| 2.2 决策树 | 第15-17页 |
| 2.2.1 决策树简介 | 第15-16页 |
| 2.2.2 决策树特点和算法原理 | 第16-17页 |
| 2.3 贝叶斯网络 | 第17-20页 |
| 2.3.1 贝叶斯网络简介 | 第17-18页 |
| 2.3.2 贝叶斯网络特点和算法原理 | 第18-20页 |
| 2.4 人工神经网络 | 第20-22页 |
| 2.4.1 人工神经网络简介 | 第20-21页 |
| 2.4.2 人工神经网络特点和算法原理 | 第21-22页 |
| 2.5 支持向量机 | 第22-24页 |
| 2.5.1 支持向量机简介 | 第22页 |
| 2.5.2 支持向量机特点和算法原理 | 第22-24页 |
| 3 神经元简介和数据预处理 | 第24-36页 |
| 3.1 神经元简介 | 第24页 |
| 3.2 神经元数据及数据预处理 | 第24-32页 |
| 3.3 神经元空间形态特征的选择 | 第32-36页 |
| 4 神经元分类建模和分类实验 | 第36-55页 |
| 4.1 神经元决策树分类建模及实验 | 第36-40页 |
| 4.2 神经元贝叶斯网络分类建模及实验 | 第40-44页 |
| 4.3 神经元人工神经网络分类建模及实验 | 第44-48页 |
| 4.4 神经元支持向量机分类建模及实验 | 第48-52页 |
| 4.5 神经元分类方法比较 | 第52-55页 |
| 5 总结与展望 | 第55-59页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 创新点总结 | 第56页 |
| 5.3 课题展望 | 第56-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
