基于多分类器融合的骨髓细胞自动识别技术
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题来源 | 第9页 |
| ·研究背景及意义 | 第9-11页 |
| ·研究现状 | 第11-14页 |
| ·临床医学的急性白血病细胞分类 | 第11-13页 |
| ·基于图像处理的细胞识别技术 | 第13页 |
| ·现有识别技术的不足 | 第13-14页 |
| ·论文主要工作及组织结构 | 第14-15页 |
| 2 骨髓细胞图像的分割 | 第15-27页 |
| ·图像预处理 | 第15-22页 |
| ·基于梯度Hough变换的细胞检测与分割 | 第22-24页 |
| ·梯度的求取 | 第22-23页 |
| ·基于梯度的Hough变换 | 第23-24页 |
| ·检测与分割实验 | 第24-27页 |
| 3 骨髓细胞特征分析与选择 | 第27-37页 |
| ·骨髓细胞的特征分析 | 第27-33页 |
| ·形态特征 | 第27-28页 |
| ·颜色特征 | 第28-29页 |
| ·纹理特征 | 第29-30页 |
| ·特征分析实验 | 第30-33页 |
| ·骨髓细胞的特征选择 | 第33-37页 |
| ·特征选择方法 | 第34页 |
| ·特征选择实验 | 第34-37页 |
| 4 基于单分类器的骨髓细胞分类算法 | 第37-47页 |
| ·基于SVM的骨髓细胞分类算法 | 第37-40页 |
| ·SVM的基本原理 | 第37-39页 |
| ·基于SVM的多分类器构造方法 | 第39-40页 |
| ·基于KNN的骨髓细胞分类算法 | 第40-41页 |
| ·KNN算法的基本原理 | 第40-41页 |
| ·KNN算法的设计 | 第41页 |
| ·基于BP神经网络的骨髓细胞分类算法 | 第41-44页 |
| ·BP神经网络的基本原理 | 第42-44页 |
| ·BP神经网络的设计 | 第44页 |
| ·实验与结果分析 | 第44-47页 |
| 5 基于多分类器融合的骨髓细胞分类算法 | 第47-57页 |
| ·多分类器融合概述 | 第47页 |
| ·分类器组合方式 | 第47-49页 |
| ·串行组合 | 第47-48页 |
| ·并行组合 | 第48-49页 |
| ·融合算法 | 第49-52页 |
| ·投票法融合 | 第49页 |
| ·贝叶斯融合 | 第49-51页 |
| ·决策模版融合 | 第51-52页 |
| ·基于改进的证据理论融合 | 第52-55页 |
| ·证据理论基础 | 第52-53页 |
| ·存在的问题 | 第53页 |
| ·改进方法 | 第53-55页 |
| ·实验与结果分析 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间的主要学术成果 | 第65-67页 |
| 致谢 | 第67页 |
