| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 图像分类的研究现状 | 第10-11页 |
| 1.2.2 生物信息学研究现状 | 第11-12页 |
| 1.2.3 农业生物图像的研究现状 | 第12页 |
| 1.2.4 卷积神经网络的研究现状 | 第12-13页 |
| 1.3 主要研究内容与创新点 | 第13-14页 |
| 1.4 论文的组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关理论 | 第15-27页 |
| 2.1 机器学习相关理论 | 第15-16页 |
| 2.2 图像分类相关理论 | 第16-23页 |
| 2.2.1 K最近邻算法 | 第16-17页 |
| 2.2.2 支持向量机 | 第17-19页 |
| 2.2.3 主题模型 | 第19-23页 |
| 2.3 图像识别相关理论 | 第23-26页 |
| 2.3.1 卷积神经网络基本特征 | 第23-24页 |
| 2.3.2 卷积神经网络的网络结构 | 第24-26页 |
| 2.3.3 卷积神经网络的一些相关问题 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 不同类别真菌孢子显微图像的分类 | 第27-43页 |
| 3.1 图片材料 | 第27-29页 |
| 3.2 图像局部视觉特征的提取 | 第29-33页 |
| 3.2.1 Scale Invariant Feature Transform(SIFT)特征 | 第29-31页 |
| 3.2.2 RGB SIFT特征 | 第31-33页 |
| 3.3 词袋模型 | 第33-36页 |
| 3.4 基于LDA模型的真菌显微图像分类算法 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-41页 |
| 3.5.1 参数设置 | 第37页 |
| 3.5.2 实验分析 | 第37-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 真菌孢子萌发显微图像的识别 | 第43-53页 |
| 4.1 图片材料 | 第43-44页 |
| 4.2 卷积神经网络实验图像预处理 | 第44-46页 |
| 4.3 卷积神经网络结构 | 第46-48页 |
| 4.4 探测器的训练 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-50页 |
| 4.6 本章小结 | 第50-53页 |
| 第5章 总结 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |