基于支持向量机的尿液粒子识别分类研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·引言 | 第9-11页 |
| ·尿沉渣检查方法 | 第11-12页 |
| ·尿沉渣分析系统现状与发展 | 第12-14页 |
| ·本论文的主要工作 | 第14-15页 |
| 第2章 支持向量机(SVM) | 第15-29页 |
| ·统计学习理论 | 第16-19页 |
| ·函数集学习性能的指标——VC维 | 第17页 |
| ·推广性的界 | 第17-18页 |
| ·结构风险最小化 | 第18-19页 |
| ·SVM基本原理 | 第19-26页 |
| ·线性可分情况 | 第19-21页 |
| ·线性不可分情况——软间隔优化 | 第21-22页 |
| ·非线性支持向量机 | 第22-25页 |
| ·核函数 | 第25-26页 |
| ·SVM研究现状及进展 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 SVM改进算法 | 第29-39页 |
| ·多类支持向量机 | 第29-33页 |
| ·一对多算法 | 第29-30页 |
| ·一对一算法 | 第30-32页 |
| ·DAGs多分类法 | 第32-33页 |
| ·性能改进算法 | 第33-37页 |
| ·Chunking算法 | 第34-35页 |
| ·分解算法 | 第35-36页 |
| ·SMO算法 | 第36-37页 |
| ·其它 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于SVM的尿沉渣分类器的设计与实现 | 第39-57页 |
| ·尿沉渣有形成分特征提取 | 第39-43页 |
| ·形态特征 | 第39-40页 |
| ·统计特征 | 第40-41页 |
| ·纹理特征 | 第41-43页 |
| ·SVM分类器设计 | 第43-50页 |
| ·基于SVM改进算法的应用 | 第44-45页 |
| ·交叉验证 | 第45-47页 |
| ·核函数的选取与参数选择 | 第47-50页 |
| ·实验结果与讨论 | 第50-57页 |
| 第5章 结束语 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者简历 | 第63页 |
