基于大鱼际掌纹的中医诊断智能信息化方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究目的和意义 | 第9-10页 |
| ·智能信息处理方法国内外研究现状 | 第10-11页 |
| ·本文的研究内容与结构安排 | 第11-13页 |
| 2 智能信息化理论与方法 | 第13-23页 |
| ·粗糙集理论概述 | 第14-18页 |
| ·粗糙集理论的产生和发展 | 第14页 |
| ·粗糙集基本概念 | 第14-17页 |
| ·属性约简方法 | 第17页 |
| ·粗糙集与其它理论的结合 | 第17-18页 |
| ·神经网络 | 第18-21页 |
| ·神经网络原理 | 第18-20页 |
| ·转移函数 | 第20页 |
| ·神经网络模型 | 第20-21页 |
| ·粗糙集结合神经网络可行性分析 | 第21-23页 |
| ·粗糙集与神经网络的共同点 | 第21页 |
| ·粗糙集与神经网络的区别 | 第21页 |
| ·粗糙集与神经网络相结合 | 第21-23页 |
| 3 大鱼际掌纹图像信息化 | 第23-32页 |
| ·大鱼际掌纹图像预处理 | 第23-25页 |
| ·大鱼际掌纹图像区域分割 | 第23-24页 |
| ·大鱼际掌纹图像去噪增强 | 第24-25页 |
| ·基于灰度共生矩阵的大鱼际掌纹图像特征提取 | 第25-28页 |
| ·灰度共生矩阵定义 | 第25-26页 |
| ·灰度共生矩阵特征值 | 第26-27页 |
| ·算法步骤与结果 | 第27-28页 |
| ·基于 SVM 的分类 | 第28-31页 |
| ·支持向量机原理及算法 | 第28-29页 |
| ·分类训练与测试 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于粗糙集知识约简的哮喘症型处理 | 第32-45页 |
| ·离散化原理 | 第32-33页 |
| ·粗糙集知识约简 | 第33-39页 |
| ·基于可辨识矩阵的属性约简算法 | 第34-36页 |
| ·MIBARK 算法 | 第36-38页 |
| ·MIBARK 算法的改进 | 第38-39页 |
| ·实验对比和分析 | 第39页 |
| ·基于 MIBARK 改进算法的哮喘症型分析 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 5 粗糙集与神经网络相结合的哮喘症型分类法 | 第45-53页 |
| ·BP 神经网络基本理论 | 第45-49页 |
| ·BP 算法原理 | 第46页 |
| ·BP 神经网络训练 | 第46-49页 |
| ·实验结果与分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者在攻读硕士期间发表的论文 | 第59-60页 |
