| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 前言 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 文本分类研究现状 | 第12-13页 |
| 1.2.2 机器学习研究现状 | 第13-15页 |
| 1.2.3 机器学习在医学上的应用现状 | 第15-17页 |
| 1.3 本文研究内容与结构 | 第17-19页 |
| 第二章 相关关键技术综述 | 第19-33页 |
| 2.1 面向电子病历的数据预处理 | 第19-24页 |
| 2.1.1 基于规则的数据清洗 | 第19-21页 |
| 2.1.2 基于LTP和Jieba工具的中文分词技术 | 第21-24页 |
| 2.2 基于机器学习的分类技术 | 第24-29页 |
| 2.2.1 主成分分析 | 第24-26页 |
| 2.2.2 支持向量机(SVM) | 第26-28页 |
| 2.2.3 多层感知器(MLP) | 第28-29页 |
| 2.3 LSTM相关技术 | 第29-33页 |
| 第三章 基于机器学习的智能医疗诊断辅助系统设计与实现 | 第33-56页 |
| 3.1 智能诊断辅助系统架构设计 | 第33页 |
| 3.2 智能辅助诊断系统中的数据处理 | 第33-45页 |
| 3.2.1 数据预处理 | 第34-37页 |
| 3.2.2 中文分词 | 第37-40页 |
| 3.2.3 词库建立 | 第40-42页 |
| 3.2.4 特征的向量化表达 | 第42-43页 |
| 3.2.5 基于文本匹配的特征提取 | 第43-45页 |
| 3.3 智能辅助诊断系统中的分类 | 第45-55页 |
| 3.3.1 基于SVM分类 | 第46-51页 |
| 3.3.2 基于MLP分类 | 第51-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 系统性能评测与分析 | 第56-63页 |
| 4.1 数据预处理评测 | 第56-57页 |
| 4.1.1 数据预处理结果评测 | 第56-57页 |
| 4.2 特征提取评测 | 第57-59页 |
| 4.2.1 特征提取结果评测 | 第57-59页 |
| 4.3 分类评测 | 第59-62页 |
| 4.3.1 基于SVM分类算法的实验结果评测 | 第59-60页 |
| 4.3.2 基于MLP的分类实验结果评测 | 第60-61页 |
| 4.3.3 基于LSTM的分类实验结果评测 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 总结和展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者在学期间取得的学术成果 | 第70页 |