| 摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第14-33页 |
| 1.1 研究背景及意义 | 第14-18页 |
| 1.1.1 数据分类概述 | 第14-16页 |
| 1.1.2 多样本干细胞分化图像数据分类 | 第16-17页 |
| 1.1.3 单样本语音数据分类 | 第17-18页 |
| 1.2 研究现状 | 第18-26页 |
| 1.2.1 常用有监督学习方法 | 第19-20页 |
| 1.2.2 多样本干细胞分化图像数据分类研究现状 | 第20-23页 |
| 1.2.3 单样本语音数据分类研究现状 | 第23-25页 |
| 1.2.4 相关研究现状小结 | 第25-26页 |
| 1.3 本文研究内容 | 第26-28页 |
| 1.3.1 多样本干细胞分化图像数据分类研究内容 | 第26-27页 |
| 1.3.2 单样本语音数据分类研究内容 | 第27-28页 |
| 1.4 本文创新点 | 第28-31页 |
| 1.5 论文组织结构 | 第31-33页 |
| 第二章 细胞质图像分类算法 | 第33-48页 |
| 2.1 引言 | 第33-40页 |
| 2.1.1 信息距离 | 第34-38页 |
| 2.1.2 基于图像分割的高通量筛选方法 | 第38-40页 |
| 2.2 干细胞分化图像数据获取过程 | 第40-41页 |
| 2.3 细胞质图像分类算法 | 第41-44页 |
| 2.4 多样本干细胞分化图像数据的分类结果 | 第44-47页 |
| 2.5 小结 | 第47-48页 |
| 第三章 信息距离分类算法 | 第48-75页 |
| 3.1 引言 | 第48-51页 |
| 3.1.1 基于Acapella和Matlab的高通量筛选 | 第49-51页 |
| 3.2 图像数据获取过程 | 第51-53页 |
| 3.3 信息距离分类算法 | 第53-57页 |
| 3.3.1 图像压缩 | 第54页 |
| 3.3.2 图像信息距离计算 | 第54页 |
| 3.3.3 准对照图像统计 | 第54-55页 |
| 3.3.4 平均信息距离计算 | 第55页 |
| 3.3.5 图像分类 | 第55-56页 |
| 3.3.6 化合物分类 | 第56-57页 |
| 3.4 多样本干细胞分化图像数据的分类结果 | 第57-74页 |
| 3.5 小结 | 第74-75页 |
| 第四章 合并—权重动态时间规整算法 | 第75-99页 |
| 4.1 引言 | 第75-85页 |
| 4.1.1 语音信号的格式描述 | 第75-78页 |
| 4.1.2 动态时间规整算法 | 第78-82页 |
| 4.1.3 模糊逻辑 | 第82-83页 |
| 4.1.4 语音识别中的隐马尔科夫模型 | 第83-85页 |
| 4.2 语音数据获取过程 | 第85-87页 |
| 4.3 合并—权重动态时间规整算法 | 第87-93页 |
| 4.3.1 MFCC时间帧的合并 | 第89页 |
| 4.3.2 模板模式置信指数的获取 | 第89-91页 |
| 4.3.3 合并—权重动态时间规整 | 第91-93页 |
| 4.4 单样本语音数据的分类结果 | 第93-98页 |
| 4.4.1 三种基于动态时间规整算法的算法比较 | 第93-96页 |
| 4.4.2 隐马尔可夫模型与MWDTW算法的比较 | 第96-98页 |
| 4.5 小结 | 第98-99页 |
| 第五章 一对多权重动态时间规整算法 | 第99-112页 |
| 5.1 引言 | 第99-100页 |
| 5.2 语音数据获取及预处理过程 | 第100-103页 |
| 5.3 一对多权重动态时间规整算法 | 第103-109页 |
| 5.3.1 MFCC归一化操作 | 第106-107页 |
| 5.3.2 训练MFCC的一对多特征指数 | 第107-108页 |
| 5.3.3 训练MFCC和测试MFCC的DTW比对路径 | 第108页 |
| 5.3.4 训练MFCC和测试MFCC的相似性评测 | 第108-109页 |
| 5.3.5 OAWDTW与MWDTW算法的异同 | 第109页 |
| 5.4 单样本语音数据的分类结果 | 第109-111页 |
| 5.5 小结 | 第111-112页 |
| 第六章 支持向量机—合并动态时间规整算法 | 第112-117页 |
| 6.1 引言 | 第112页 |
| 6.2 基于支持向量机的合并动态时间规整算法 | 第112-116页 |
| 6.2.1 14维MFCC的建立和归一化 | 第113-114页 |
| 6.2.2 利用SVM调适合并后的MFCC时间帧 | 第114页 |
| 6.2.3 14维MFCC时间帧的合并 | 第114-115页 |
| 6.2.4 利用SVM修改DTW比对距离公式 | 第115-116页 |
| 6.2.5 使用SVM-MDTW做语音识别的结果 | 第116页 |
| 6.3 小结 | 第116-117页 |
| 第七章 结论与展望 | 第117-121页 |
| 7.1 本文工作总结 | 第117-119页 |
| 7.1.1 多样本干细胞分化图像数据分类 | 第117-119页 |
| 7.1.2 单样本语音数据分类 | 第119页 |
| 7.2 未来工作展望 | 第119-121页 |
| 致谢 | 第121-124页 |
| 参考文献 | 第124-133页 |
| 作者在学期间取得的学术成果 | 第133页 |
