| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 阿尔兹海默症的研究背景及意义 | 第11-13页 |
| 1.2 阿尔兹海默症识别的研究现状 | 第13-15页 |
| 1.3 本论文的主要内容 | 第15-17页 |
| 第二章 基于张量的学习方法 | 第17-35页 |
| 2.1 张量的概念与运算 | 第17-20页 |
| 2.2 张量主成分分析 | 第20-27页 |
| 2.2.1 主成分分析的基本思想与原理 | 第20-21页 |
| 2.2.2 主成分分析的基本步骤 | 第21-22页 |
| 2.2.3 张量主成分分析的基本步骤 | 第22-27页 |
| 2.3 张量独立成分分析 | 第27-34页 |
| 2.3.1 独立成分分析的基本思想与原理 | 第27-28页 |
| 2.3.2 独立成分分析的基本步骤 | 第28-32页 |
| 2.3.3 张量独立成分分析的基本步骤 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 支持张量机算法 | 第35-48页 |
| 3.1 支持向量机 | 第35-42页 |
| 3.2 支持张量机 | 第42-44页 |
| 3.3 递归特征消除 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于STM算法和T1-Weighted MRI的阿尔兹海默症诊断算法 | 第48-60页 |
| 4.1 实验样本数据 | 第50-51页 |
| 4.2 预处理 | 第51-53页 |
| 4.3 实验结果 | 第53-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 改进的AD脑图像分类算法 | 第60-72页 |
| 5.1 结合认知分数的AD脑图像分类 | 第60-67页 |
| 5.1.1 认知分数 | 第60-61页 |
| 5.1.2 实验结果 | 第61-67页 |
| 5.2 基于纹理特征张量的分类方法 | 第67-71页 |
| 5.2.1 灰度共生矩阵 | 第67-68页 |
| 5.2.2 纹理特征张量 | 第68-69页 |
| 5.2.3 实验结果 | 第69-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 研究工作总结 | 第72-73页 |
| 6.2 研究工作展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间成果 | 第77-78页 |
| 致谢 | 第78-79页 |