声明
摘要
图和附表清单
1 绪论
1.1 课题研究背景及意义
1.1.1 课题研究背景
1.1.2 课题研究的意义
1.2 肺癌诊断的国内外现状
1.3 章节安排
2 肺癌诊断的材料及数据预处理
2.1 病例材料和检查方法
2.1.1 实验病例材料
2.1.2 检查方法
2.2 特征数据提取方法
2.3 数据预处理
2.3.1 数据归一化
2.3.2 主成分分析
3 支持向量机(SVM)
3.1 支持向量机理论基础
3.1.1 算法的发展
3.1.2 算法原理
3.1.3 算法步骤
3.1.4 算法特点
3.2 核函数和参数选取
3.2.1 核函数的选取
3.2.2 网格划分参数选取
3.3 支持向量机模型建立及编程环境
3.4 网格划分法选择参数仿真结果
4 启发式算法参数寻优提高分类器性能
4.1 遗传算法参数寻优
4.1.1 遗传算法概述
4.1.2 遗传算法参数寻优流程
4.1.3 遗传算法参数寻优matlab实现
4.1.4 遗传算法参数优化后仿真结果
4.2 粒子群算法参数寻优
4.2.1 粒子群算法概述
4.2.2 粒子群算法流程
4.2.3 粒子群算法参数寻优matlab实现
4.2.4 粒子群算法参数优化后仿真结果
5 几种算法在肺癌诊断中的应用比较
5.1 其他算法在肺癌诊断中的应用尝试
5.1.1 决策树C4.5算法
5.1.2 模糊神经网络算法
5.2 几种算法在肺癌诊断中的应用结果比较
5.3 讨论
6 总结
6.1 论文小结
6.2 存在的问题及未来研究方向展望
参考文献
部分仿真程序
致谢
个人简历及攻读学位期间发表论文