| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 乳腺超声图像处理技术 | 第16-26页 |
| 2.1 图像预处理 | 第16-17页 |
| 2.1.1 图像去噪 | 第16页 |
| 2.1.2 图像增强 | 第16-17页 |
| 2.2 肿块区域分割 | 第17-19页 |
| 2.3 图像识别 | 第19-25页 |
| 2.3.1 特征提取 | 第19-23页 |
| 2.3.2 图像分类 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于改进的FOA算法优化SVM的乳腺肿瘤识别 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 支持向量机 | 第26-33页 |
| 3.2.1 线性支持向量机 | 第27-31页 |
| 3.2.2 非线性支持向量机 | 第31-33页 |
| 3.3 改进的FOA算法优化SVM参数 | 第33-36页 |
| 3.3.1 FOA算法概述 | 第33-34页 |
| 3.3.2 改进的FOA算法优化SVM参数算法 | 第34-36页 |
| 3.4 基于改进的FOA算法优化SVM的乳腺肿瘤识别 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-40页 |
| 3.5.1 实验数据集来源 | 第37-38页 |
| 3.5.2 实验设计及运行环境 | 第38页 |
| 3.5.3 实验结果及分析 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于联合增强耦合特征表示的乳腺肿瘤识别算法 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 模型描述 | 第41-45页 |
| 4.2.1 耦合属性分析理论 | 第42-44页 |
| 4.2.2 Adaboost算法 | 第44-45页 |
| 4.3 算法实现 | 第45-49页 |
| 4.3.1 耦合特征表示算法 | 第46-47页 |
| 4.3.2 联合增强算法 | 第47-49页 |
| 4.4 实验结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 结论 | 第52-54页 |
| 5.1 本文工作 | 第52-53页 |
| 5.2 工作展望 | 第53-54页 |
| 参考文献 | 第54-63页 |
| 作者简历 | 第63页 |
