| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题背景和意义 | 第9-10页 |
| 1.2 文本分类的现状和重点 | 第10-17页 |
| 1.2.1 当前研究现状 | 第11-14页 |
| 1.2.2 当前研究重点 | 第14-16页 |
| 1.2.3 本文研究的内容 | 第16-17页 |
| 1.3 论文的结构和层次 | 第17-19页 |
| 第二章 文本分类技术的研究 | 第19-29页 |
| 2.1 引言 | 第19-20页 |
| 2.2 文本分类的原理 | 第20-21页 |
| 2.2.1 文本分类的介绍 | 第20-21页 |
| 2.2.2 文本模型 | 第21页 |
| 2.3 文本分类的特征提取 | 第21-23页 |
| 2.4 常用的文本分类的技术 | 第23-27页 |
| 2.4.1 支持向量机（Support Vector Machine ,SVM) | 第23-25页 |
| 2.4.2 邻近算法 (K-NearestNeighbor ,KNN) | 第25-26页 |
| 2.4.3 朴素贝叶斯算法（Naive Bayesian，NB） | 第26-27页 |
| 2.4.4 决策树算法（Decision Tree, DT） | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 BC-ACO模型的文本分类技术研究 | 第29-47页 |
| 3.1 朴素贝叶斯分类模型 | 第29-33页 |
| 3.2 蚁群算法 | 第33-39页 |
| 3.2.1 蚁群算法概念 | 第33-35页 |
| 3.2.2 蚁群算法和文本分类 | 第35-39页 |
| 3.3 BC-ACO模型的引入 | 第39-46页 |
| 3.3.1 BC-ACO的概念 | 第39-40页 |
| 3.3.2 BC-ACO原理 | 第40-42页 |
| 3.3.3 BC-ACO自适应函数 | 第42-43页 |
| 3.3.4 BC-ACO分类算法 | 第43-45页 |
| 3.3.5 BC-ACO算法复杂度分析 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于BC-ACO医学影像处理分类原型设计 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 设计目标 | 第47页 |
| 4.3 系统流程 | 第47-48页 |
| 4.4 功能模块 | 第48-54页 |
| 4.4.1 初步处理模块 | 第48-49页 |
| 4.4.2 预处理功能模块 | 第49-50页 |
| 4.4.3 分类系统 | 第50-54页 |
| 4.5 评估指标 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 医学影像处理分类系统实现和实验结果分析 | 第55-73页 |
| 5.1 医学影像处理分类系统开发环境 | 第55页 |
| 5.1.1 系统硬件和软件 | 第55页 |
| 5.1.2 开发技术 | 第55页 |
| 5.2 功能模块的开发 | 第55-60页 |
| 5.2.1 用户管理模块 | 第55-56页 |
| 5.2.2 数据集管理模块 | 第56-57页 |
| 5.2.3 蚁群算法配置模块 | 第57-58页 |
| 5.2.4 分类模块 | 第58-60页 |
| 5.3 结果分析界面 | 第60-62页 |
| 5.4 实验结果分析 | 第62-72页 |
| 5.4.1 测试方案 | 第62-63页 |
| 5.4.2 结果分析 | 第63-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 总结和展望 | 第73-74页 |
| 6.1 文章总结 | 第73页 |
| 6.2 未来展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
