神经网络串并联学习算法在B超图像识别中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题概述 | 第9-14页 |
| ·课题的题目及来源 | 第9页 |
| ·课题研究的目的及意义 | 第9-10页 |
| ·神经网络的发展历程 | 第10-12页 |
| ·神经网络应用于B超图像识别的发展概述 | 第12-14页 |
| ·论文章节安排 | 第14-15页 |
| 第2章 神经网络串并联学习算法 | 第15-30页 |
| ·神经网络串联 | 第15-22页 |
| ·网络结构 | 第16-17页 |
| ·学习训练算法 | 第17-22页 |
| ·神经网络并联 | 第22-29页 |
| ·网络结构 | 第23-24页 |
| ·训练算法 | 第24-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 B超图像处理及特征数据提取 | 第30-49页 |
| ·B超图像概述 | 第30-32页 |
| ·B超图像处理 | 第32-33页 |
| ·B超图像采集及灰度化 | 第32-33页 |
| ·B超图像的感兴趣区域 | 第33页 |
| ·B超图像的特征提取 | 第33-48页 |
| ·B超图像的不变矩特征 | 第33-38页 |
| ·B超图像频谱特征 | 第38-42页 |
| ·B超图像纹理统计矩特征 | 第42-44页 |
| ·基于共生矩阵的B超图像纹理特征 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于神经网络串并联的B超图像识别 | 第49-68页 |
| ·样本选择及组织 | 第50-51页 |
| ·学习样本的收集 | 第50页 |
| ·学习样本的整理 | 第50-51页 |
| ·基于神经网络串联的B超图像识别 | 第51-60页 |
| ·神经网络串联模型的设计与训练 | 第51-54页 |
| ·神经网络串联模型的仿真 | 第54-60页 |
| ·基于神经网络并联的B超图像识别 | 第60-67页 |
| ·神经网络并联模型的设计与训练 | 第60-62页 |
| ·神经网络并联模型的仿真 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 B超图像识别系统的实现 | 第68-76页 |
| ·B超图像识别系统实现的软硬件环境 | 第69页 |
| ·B超图像识别系统实现的硬件环境 | 第69页 |
| ·B超图像识别系统实现的软件环境 | 第69页 |
| ·B超图像识别系统的特点 | 第69-70页 |
| ·B超图像识别系统的功能模块 | 第70-75页 |
| ·图像处理模块 | 第70-72页 |
| ·特征提取模块 | 第72-74页 |
| ·神经网络分类器模块 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 作者在攻读硕士学位期间发表的学术论文、专著和课题 | 第81-82页 |
| 致谢 | 第82页 |
