毕业设计(论文任务书(交学生).docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
毕业设计(论文任务书(交学生)

青岛理工大学 毕业设计(论文)任务书 学 院: 理学院 专 业: 电子信息科学与技术 设计(论文)题目: 改进的随机森林医学图像识别方法研究 起 迄 日 期: 2015年 3 月 9 日~ 6 月 14日 设计(论文) 地点: 电子实验室306 指 导 教 师: 沈美丽 教 研 室 主 任: 王玉辉 发任务书日期: 2015 年 3 月 7 日 任务书填写要求 1.毕业设计(论文)任务书由指导教师根据各课题的具体情况填写,经教研室负责人审查、学院主管教学院长签字后生效。此任务书应在毕业设计(论文)开始前一周内填好并发给学生; 2.任务书内容按教务处统一设计的电子文档标准格式(可从教务处主页下载)打印,不得随便涂改或潦草书写,禁止打印在其它纸上后剪贴; 3.任务书内填写的内容,必须和学生毕业设计(论文)完成的情况相一致,若有变更,应经过主管教学院长签字同意方可重新填写; 4.任务书内有关“学院”、“专业”等名称的填写,应写中文全称,不能写数字代码。学生的“学号”要写全号,不能只写最后2位或1位数字; 5.任务书内“主要参考文献”的填写,应按照国标GB 7714—87《文后参考文献著录规则》的要求书写,不能有随意性; 6.有关年月日等日期的填写,应当按照国标GB/T 7408—94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求,一律用阿拉伯数字书写。如“2003年4月2日”或“2003-04-02”。 毕 业 设 计(论 文)任 务 书 1.本毕业设计(论文)课题的目的和要求: 当今的临床和生物实验室可借助许多显微成像仪器,获得所要研究的材料的独特信息。同时,随着计算机分析技术的提高,数字处理技术在生物和医学领域中的应用日益增多。本课题要求利用数字图像处理技术,对医学图像中所包含的成分进行在机器学习中,随机森林是一个包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。要求将随机森林算法应用到医学图像识别领域中,对不同的医学类型的细胞预先进行学习;识别过程用学习的模型对输入的图像进行分类,达到识别的目的进一步的统计计数做准备。算法的基本原理识别方法对图像中的成分进行识别;方法的比较算法对所选取的图像进行分类识别 毕 业 设 计(论 文)任 务 书 3.对本毕业设计(论文)课题成果的要求〔包括图纸、论文、图表、实物等〕: (1)方案设计与论证 (2)采用多种识别算法进行方案论证,选出最优方案 (3)对于拟采取的方案用MATLAB或阮秋琦等译,(美)冈萨雷斯,(美)伍兹. 数字图像处理(第三版)(英文版/ 中文版)电子工业出版社,2011. 刘艳丽.随机森林综述[D].南开大学,2008 3 沈晔青.精确制导中图像匹配和跟踪算法研究[D].南京航空航天大学,2007 4 吴贤伟,邰晓英,巴特尔.基于内容的彩色胃镜图像检索[J].计算机应用,2005, 25(12): 248-250. 5 梅运谊,闵涛,王宏安.一个基于 X 射线摄像的智能图像诊断系统[J].计算机应用与软件, 2004, 2(2). 6 Babenko B, Yang M H, Belongie S. Robust object tracking with online multiple instance learning[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2011, 33(8): 1619-1632. 7 Wu Y N, Si Z, Gong H, et al. Learning active basic model for object detection and recognition[J]. International Journal of Computer Vision, 2010, 90(2): 198-235. 8 Kalal Z, Matas J, Mikolajczyk K. Online learning of robust object detectors during unstable tracking[C]//Computer Vision Workshop(IC

文档评论(0)

vdi938 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档