基于自适应聚类算法的血流感染致病菌辨识研究
| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 引言 | 第8-9页 |
| 1.2 红外光谱定性分析技术概况 | 第9-11页 |
| 1.3 光谱技术结合模式识别在微生物鉴别研究现状 | 第11-13页 |
| 1.4 主要研究内容与论文构成 | 第13-15页 |
| 第二章 多分类相关向量机的细菌悬液鉴别 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 多分类相关向量机理论介绍 | 第15-19页 |
| 2.2.1 多分类相关向量机理论介绍 | 第15-18页 |
| 2.2.2 多分类相关向量机模型学习 | 第18-19页 |
| 2.3 基于多分类相关向量机的细菌悬液鉴别 | 第19-23页 |
| 2.3.1 细菌悬液种类的划分及其表示方法 | 第19页 |
| 2.3.2 选取核函数 | 第19-20页 |
| 2.3.3 基于M-RVM鉴别细菌悬液 | 第20-23页 |
| 2.4 仿真实例 | 第23-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 自适应聚类算法判别分析 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 自适应聚类算法介绍 | 第29-32页 |
| 3.2.1 聚类中心自动确定方法 | 第29-31页 |
| 3.2.2 回归分析确定聚类中心 | 第31-32页 |
| 3.3 基于PSO参数优化自适应聚类算法 | 第32-36页 |
| 3.3.1 根据聚类中心聚类 | 第32-34页 |
| 3.3.2 基于PSO优化截断距离 | 第34-36页 |
| 3.4 自适应聚类算法对判别结果鉴别 | 第36-37页 |
| 3.5 实例分析 | 第37-44页 |
| 3.5.1 基于M-RVM对未知样本的鉴别 | 第37-40页 |
| 3.5.2 基于自适应聚类算法的判别分析 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 特征波长变量优选 | 第45-52页 |
| 4.1 引言 | 第45页 |
| 4.2 特征波长变量的优选 | 第45-50页 |
| 4.2.1 基于萤火虫算法特征波长优选 | 第45-46页 |
| 4.2.2 分类器以及评价指标 | 第46-47页 |
| 4.2.3 特征波长组合输出 | 第47-50页 |
| 4.3 基于特征波长变量鉴别模型 | 第50-51页 |
| 4.4 小结 | 第51-52页 |
| 结论与展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 个人简历 | 第60页 |
| 在学期间的研究成果及发表的学术论文 | 第60-61页 |
