声明
第1章 绪论
1.1背景和意义
1.2研究现状
1.2.1现有的酵母菌出芽率计算方法之间的对比
1.2.2衍射图像分类的机器学习方法
1.3本文的主要创新点
1.4本文的主要工作和章节安排
第2章 酵母菌培养和衍射成像流式细胞仪实验
2.1酵母菌简介
2.1.1酵母菌的生殖方式
2.1.2酵母菌培养
2.1.3显微镜下酵母菌出芽率的人工统计
2.2衍射成像流式细胞仪实验
2.2.1衍射成像流式细胞仪系统概述
2.2.2衍射成像流式细胞仪实验步骤
2.2.3酵母菌衍射图像的基本信息
2.2.4酵母菌衍射图像预处理
2.2.5酵母菌分类器训练数据的获取
2.3小结
第3章 酵母菌衍射图像纹理特征的提取
3.1纹理分析概述
3.2酵母菌衍射图像的灰度共生矩阵特征
3.2.1灰度共生矩阵特征
3.2.2酵母菌衍射图的GLCM特征的相关性分析
3.2.3酵母菌衍射图的GLCM特征的d的选择
3.2.4酵母菌衍射图的GLCM特征的θ的选择
第4章 酵母菌衍射图像分类的机器学习算法
4.1机器学习方法概论
4.1.1机器学习的基本概念
4.1.2机器学习三要素
4.1.3模型评估与模型选择
4.2酵母菌出芽率测量涉及的机器学习方法
4.2.1 K近邻（KNN，K-NearestNeighbor）
4.2.2朴素贝叶斯（Na（1）ve Bayes）
4.2.3逻辑斯蒂回归（Logistic Regression）
4.2.4决策树（Decision Tree）
4.2.5支持向量机（Support Vector Machine, SVM）
4.2.6集成学习（Ensemble）
4.3酵母菌衍射图像分类器算法比较分析
4.4 DIBM算法的有效性分析
4.5酵母菌出芽率计算软件说明
4.6小结
第5章 总结与展望
5.1全文总结
5.2展望
参考文献
发表论文和参加科研情况说明
致谢
