SVM在冠心病分类预测中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景 | 第10-11页 |
| ·心血管疾病简介 | 第10页 |
| ·心血管疾病发病现状 | 第10-11页 |
| ·心血管疾病发病机理 | 第11-12页 |
| ·心血管疾病重要危险因素研究现状 | 第12-16页 |
| ·高血压 | 第13-14页 |
| ·血脂异常 | 第14-15页 |
| ·糖尿病 | 第15-16页 |
| ·研究现状 | 第16-19页 |
| ·本文的主要内容及结构 | 第19-20页 |
| 第二章 数据分析和预处理 | 第20-24页 |
| ·医学数据特征 | 第20页 |
| ·数据收集及参数筛选 | 第20-21页 |
| ·数据一般资料分析 | 第21-22页 |
| ·数据预处理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于 SVM 构建冠心病预测模型 | 第24-39页 |
| ·支持向量机简介 | 第24页 |
| ·支持向量机线性分类器原理 | 第24-29页 |
| ·支持向量机中的核函数 | 第29-31页 |
| ·开发工具和开发平台简介 | 第31-32页 |
| ·支持向量机冠心病预测模型输入指标 | 第32页 |
| ·预测模型参数随机选取 | 第32-34页 |
| ·预测模型参数选择 | 第34-38页 |
| ·交叉验证和网格法参数寻优 | 第34-35页 |
| ·算法比较的衡量指标 | 第35页 |
| ·实验结果 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 粒子群算法优化冠心病分类预测模型 | 第39-47页 |
| ·背景介绍 | 第39-41页 |
| ·最优化问题 | 第39页 |
| ·进化计算和群智能 | 第39-41页 |
| ·粒子群算法 | 第41-44页 |
| ·粒子群算法简介 | 第41页 |
| ·粒子群算法基本原理 | 第41-43页 |
| ·粒子群算法优化 SVM 分类模型 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 SVM 冠心病预测模型与其他算法比较 | 第47-54页 |
| ·反向传播神经网络 | 第47-49页 |
| ·线性判别分析法 | 第49-51页 |
| ·Logistic 回归分析 | 第51-52页 |
| ·实验结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 总结 | 第54-55页 |
| 展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录：缩写与符号 | 第62-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 答辩委员会对论文的评定意见 | 第66页 |
