基于格论的聚类算法及其在大肠早癌诊断系统中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·选题背景和研究意义 | 第7-8页 |
| ·激光诱导自体荧光(LIAF)技术简介 | 第8-9页 |
| ·数据挖掘在医学领域的应用研究 | 第9-12页 |
| ·数据挖掘及其意义 | 第9-10页 |
| ·数据挖掘的功能 | 第10页 |
| ·数据挖掘在医疗领域的应用及前景 | 第10-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·论文结构安排 | 第13-15页 |
| 第二章 聚类分析的主要方法 | 第15-32页 |
| ·聚类分析的基本概念 | 第15-17页 |
| ·聚类的定义 | 第15页 |
| ·数据挖掘对聚类的典型要求 | 第15-17页 |
| ·主要聚类算法 | 第17-31页 |
| ·划分方法 | 第17-20页 |
| ·层次方法 | 第20-23页 |
| ·基于密度的方法 | 第23-26页 |
| ·基于网格的方法 | 第26-29页 |
| ·基于模型的方法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于格论的聚类算法及数据特征提取 | 第32-49页 |
| ·基本概念 | 第33-35页 |
| ·格的定义 | 第33-34页 |
| ·子格 | 第34页 |
| ·覆盖关系 | 第34-35页 |
| ·相似性的度量 | 第35-39页 |
| ·基本思想 | 第35页 |
| ·产生所有子格 | 第35-37页 |
| ·计算所有的覆盖格 | 第37页 |
| ·对象间的覆盖格 | 第37-39页 |
| ·算法描述 | 第39-42页 |
| ·基本思想 | 第39-40页 |
| ·算法步骤 | 第40-42页 |
| ·实验结果 | 第42-46页 |
| ·公共数据集测试 | 第42-45页 |
| ·大肠早癌临床数据实验 | 第45-46页 |
| ·数据特征的提取 | 第46-48页 |
| ·均值方差法 | 第46-47页 |
| ·荧光强度比值判别法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 参数优化与实验 | 第49-56页 |
| ·聚类数目k值的优化 | 第49-53页 |
| ·遗传算法介绍 | 第49页 |
| ·编码设计 | 第49-50页 |
| ·适应度函数 | 第50页 |
| ·方法描述 | 第50-52页 |
| ·实验结果 | 第52-53页 |
| ·一种新的聚类中心初始化方法 | 第53-55页 |
| ·主要的中心点初始化方法 | 第53页 |
| ·基于距离的初始化方法 | 第53页 |
| ·基于覆盖数的初始化方法 | 第53-54页 |
| ·优化初始聚类中心点实验结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 系统的设计与实现 | 第56-66页 |
| ·激光诱导自体荧光大肠早癌诊断系统整体结构 | 第56页 |
| ·聚类分析子系统 | 第56-60页 |
| ·设计目的 | 第56-57页 |
| ·系统逻辑结构 | 第57页 |
| ·系统功能设计 | 第57-59页 |
| ·系统处理流程 | 第59-60页 |
| ·系统运行实例 | 第60-65页 |
| ·数据输入 | 第60-62页 |
| ·数据预处理 | 第62-63页 |
| ·参数优化和聚类处理 | 第63页 |
| ·结果显示 | 第63-65页 |
| ·本章小节 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·研究总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要的研究成果 | 第73页 |
