细胞图像特征提取技术与ID3识别算法及研究及实现
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| ·论文研究背景与意义 | 第11-12页 |
| ·国内外相关研究发展与现状 | 第12-14页 |
| ·论文内容与结构安排 | 第14-16页 |
| 第二章 细胞图像特征提取技术 | 第16-39页 |
| ·图像形状和纹理特征提取基本方法 | 第17-26页 |
| ·图像几何特征提取 | 第17-18页 |
| ·图像边界链码的Fourier系数形状特征提取 | 第18-22页 |
| ·图像基本纹理特征提取 | 第22页 |
| ·Tamura纹理特征 | 第22-24页 |
| ·空间共生矩阵特征提取 | 第24-26页 |
| ·基于图像边界角点检测的多边形近似形状特征提取 | 第26-32页 |
| ·角点的定义 | 第26-27页 |
| ·基于图像边界角点检测的多边形近似 | 第27-28页 |
| ·多边形近似效果评价 | 第28-29页 |
| ·基于多边形近似的形状特征提取 | 第29-30页 |
| ·实验结果与分析 | 第30-32页 |
| ·图像HU矩特征提取 | 第32-34页 |
| ·矩 | 第32-33页 |
| ·Hu矩及其不变量 | 第33-34页 |
| ·统一Hu矩 | 第34页 |
| ·实验结果与分析 | 第34页 |
| ·基于纹理谱图像的纹理特征提取 | 第34-38页 |
| ·纹理谱图像 | 第35-36页 |
| ·融合纹理谱图像和统一Hu矩的特征提取 | 第36页 |
| ·算法流程 | 第36页 |
| ·实验结果与分析 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第三章 决策树技术及ID3 算法 | 第39-50页 |
| ·决策树基本知识 | 第39-42页 |
| ·决策树的基本概念 | 第39-40页 |
| ·决策树的结构 | 第40页 |
| ·决策树的工作过程 | 第40-41页 |
| ·决策树的优化标准 | 第41页 |
| ·决策树的优劣 | 第41-42页 |
| ·决策树的适用范围 | 第42页 |
| ·ID3 算法及其扩展 | 第42-46页 |
| ·信息增益 | 第42-43页 |
| ·ID3 算法 | 第43-44页 |
| ·ID3 算法的优劣 | 第44-45页 |
| ·ID3 算法的改进 | 第45-46页 |
| ·决策树算法中的一些普遍问题 | 第46-48页 |
| ·数据预处理技术 | 第46-47页 |
| ·决策树剪枝问题 | 第47-48页 |
| ·决策树性能评价 | 第48页 |
| ·小结 | 第48-50页 |
| 第四章 细胞自动识别设计与实现 | 第50-65页 |
| ·体液细胞自动识别各子系统结构设计与实现 | 第50-53页 |
| ·特征提取子系统 | 第50-51页 |
| ·决策树学习子系统 | 第51-52页 |
| ·细胞图像自动识别子系统 | 第52-53页 |
| ·基于特征直方图均衡的样本数据规范化 | 第53-58页 |
| ·样本数据线性规范化方法 | 第53-55页 |
| ·基于特征直方图均衡的样本数据规范化方法 | 第55-57页 |
| ·实验结果与分析 | 第57-58页 |
| ·决策树ID3 算法的实现 | 第58-64页 |
| ·信息增益率的计算 | 第58-59页 |
| ·决策树生长停止条件的选取 | 第59页 |
| ·决策树的后处理 | 第59-60页 |
| ·决策树性能的分析和评价 | 第60页 |
| ·算法流程与实现 | 第60-63页 |
| ·实验结果与分析 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第五章 结束语 | 第65-67页 |
| ·本文主要的工作及创新 | 第65-66页 |
| ·下一步的研究方向 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
