声明
摘要
第一章 绪论
1.1 细胞核显微图像分类算法研究的目的和意义
1.2 细胞核图像自动识别系统的工作流程
1.3 细胞核图像分类算法的研究现状
1.4 论文组织结构
第二章 细胞核图像分割与特征提取
2.1 图像分割算法小结
2.2 细胞核数据样本说明
2.3 局部阈值与全局阈值分割算法
2.3.1 局部阈值分割
2.3.2 全局阈值分割——大津法
2.4 全局阈值与局部阈值分割实验对比
2.5 ESnake分割算法
2.5.1 传统的Snakes算法
2.5.2 基于椭圆分割的Snake
2.5.3 ESnake分割算法实验结果
2.6 ESnake分割算法出现的问题及其改进
2.7 细胞核特征提取
2.7.1 几何特征
2.7.2 光密度特征
2.8 本章小结
第三章 使用随机森林对图像分类
3.1 目前主流的分类算法
3.2 随机森林算法
3.2.1 随机森林定义
3.2.2 随机森林算法流程
3.3 随机森林的收敛
3.4 强度和相关度
3.5 Out-Of-Bag估计与特征重要性
3.5.1 OOB估计
3.5.2 特征重要性
3.6 实验结果分析
3.7 本章小结
第四章 支持向量机
4.1 支持向量机
4.2 核函数
4.3 实验结果与分析
4.3.1 参数寻优
4.3.2 分类错误样本分析
4.4 本章小结
第五章 在线学习
5.1 在线学习与批量学习的异同
5.2 在线学习算法
5.2.1 SVM的二次规划解法
5.2.2 序列最小优化
5.3 Online LASVM
5.3.1 LASVM简介
5.3.2 LASVM算法流程
5.4 LASVM算法的改进及实验结果与分析
5.5 错分类样本分析
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献