| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 分类器与最优化问题 | 第16-36页 |
| 2.1 支持向量机 | 第16-26页 |
| 2.1.1 线性可分支持向量机 | 第16-19页 |
| 2.1.2 线性不可分的支持向量机 | 第19-21页 |
| 2.1.3 核函数 | 第21-26页 |
| 2.2 决策树 | 第26-27页 |
| 2.3 BP 神经网络 | 第27-30页 |
| 2.4 最优化问题 | 第30-35页 |
| 2.4.1 粒子群算法简介 | 第31-32页 |
| 2.4.2 粒子群算法原理 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于 SVM 构建医学数据分类模型 | 第36-50页 |
| 3.1 数据预处理 | 第36-38页 |
| 3.1.1 数据集介绍 | 第36-37页 |
| 3.1.2 数据归一化 | 第37-38页 |
| 3.2 选择核函数 | 第38-39页 |
| 3.3 建立分类预测模型 | 第39-46页 |
| 3.3.1 选择预测模型的参数 | 第39-44页 |
| 3.3.2 训练模型 | 第44-46页 |
| 3.4 模型验证与分析 | 第46-47页 |
| 3.4.1 模型验证 | 第46页 |
| 3.4.2 模型分析 | 第46-47页 |
| 3.5 SVM 的分类模型与其它分类器的比较 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 改进的粒子群算法优化 SVM 参数 | 第50-58页 |
| 4.1 粒子群算法优化 SVM 分类模型 | 第50-53页 |
| 4.1.1 粒子群算法优化 SVM 的步骤 | 第50-51页 |
| 4.1.2 粒子群算法选择参数 | 第51-52页 |
| 4.1.3 粒子群算法优化的 SVM 对数据分类预测 | 第52-53页 |
| 4.2 改进的 PSO-SVM 模型 | 第53-57页 |
| 4.2.1 改进的 PSO 算法选择优化参数 | 第55-56页 |
| 4.2.2 改进的 PSO-SVM 算法对数据分类预测 | 第56-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66页 |