支持向量机方法在乳腺肿块分类中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 1 绪论 | 第6-12页 |
| ·研究背景 | 第6页 |
| ·国内外研究现状及课题意义 | 第6-8页 |
| ·课题研究内容及本文结构 | 第8-12页 |
| 2 SVM的基本理论 | 第12-18页 |
| ·SVM分类算法 | 第12-14页 |
| ·SVM核函数 | 第14-15页 |
| ·SVM的研究现状 | 第15-16页 |
| ·本章小节 | 第16-18页 |
| 3 乳腺数字图片预处理 | 第18-24页 |
| ·乳腺图片的去噪声 | 第18-19页 |
| ·乳腺图片的增强 | 第19-23页 |
| ·直方图均衡化处理 | 第20-21页 |
| ·模糊集理论在图像增强中的应用 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 4 感兴趣区域的提取 | 第24-28页 |
| ·阀值分割技术 | 第25页 |
| ·区域增长技术 | 第25-26页 |
| ·模糊区域生长 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 5 特征的提取 | 第28-34页 |
| ·乳腺肿块的特征描述 | 第28-29页 |
| ·特征的提取 | 第29-31页 |
| ·本章小结 | 第31-34页 |
| 6 基于SVM的乳腺肿块良、恶性分类器的设计 | 第34-42页 |
| ·乳腺图片样本介绍 | 第34-36页 |
| ·模式选择与训练 | 第36页 |
| ·核函数的选择 | 第36-37页 |
| ·分类结果的数据和分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 7 总结与展望 | 第42-44页 |
| 致谢 | 第44-46页 |
| 参考文献 | 第46-47页 |
