基于多生理信息融合的医疗诊断建模方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| 1．1 问题的提出与解决思路 | 第8-10页 |
| 1．2 本研究的意义及研究现状 | 第10页 |
| 1．3 本论文的主要研究内容 | 第10-11页 |
| 第二章 信息融合技术 | 第11-17页 |
| 2．1 信息融合的概念和原理 | 第11-12页 |
| 2．2 信息融合的关键问题与系统结构 | 第12页 |
| 2．3 信息融合的方法 | 第12-17页 |
| 2．3．1 Bayes分类器及其应用 | 第12-13页 |
| 2．3．2 BP神经网络及其应用 | 第13-15页 |
| 2．3．3 生理信息的特点及方法的选取 | 第15-17页 |
| 第三章 统计学习理论和支持向量机 | 第17-33页 |
| 3．1 统计学习理论 | 第17-21页 |
| 3．1．1 学习过程的一致性收敛表述 | 第17-18页 |
| 3．1．2 统计学习理论的关键性定理 | 第18页 |
| 3．1．3 学习过程的收敛速度 | 第18-19页 |
| 3．1．4 VC维 | 第19-20页 |
| 3．1．5 推广性的界 | 第20页 |
| 3．1．6 结构风险最小化原则 | 第20-21页 |
| 3．2 分类问题 | 第21-24页 |
| 3．2．1 分类问题的数学描述 | 第22页 |
| 3．2．2 求解分类问题的一个自然提法 | 第22-23页 |
| 3．2．3 分类问题中的过学习问题 | 第23-24页 |
| 3．3 支持向量机 | 第24-33页 |
| 3．3．1 最优分类超平面 | 第25-27页 |
| 3．3．2 线性不可分情况 | 第27-28页 |
| 3．3．3 非线性可分问题 | 第28-31页 |
| 3．3．4 支持向量机的优点与应用 | 第31-33页 |
| 第四章 支持向量机的算法研究 | 第33-48页 |
| 4．1 问题的传统解法 | 第33页 |
| 4．2 支持向量机求解的专用算法 | 第33-41页 |
| 4．2．1 一般算法存在的问题及解决途径 | 第33-34页 |
| 4．2．2 选块算法 | 第34-35页 |
| 4．2．3 分解算法 | 第35-36页 |
| 4．2．4 序列最小最优化算法 | 第36-40页 |
| 4．2．5 三种算法的比较 | 第40-41页 |
| 4．3 SMO改进算法 | 第41-45页 |
| 4．3．1 SMO算法的改进思路 | 第41-42页 |
| 4．3．2 改进算法的理论基础 | 第42页 |
| 4．3．3 算法的实现步骤 | 第42-43页 |
| 4．3．4 算法丢失支持向量的风险 | 第43-44页 |
| 4．3．5 算法对于非线性可分情况的一些不适宜性 | 第44页 |
| 4．3．6 实验验证 | 第44-45页 |
| 4．4 停机准则 | 第45-47页 |
| 4．5 算法的评价准则 | 第47-48页 |
| 4．5．1 一个自然的评价方法 | 第47页 |
| 4．5．2 k-折交叉确认法 | 第47-48页 |
| 第五章 生理信息的处理 | 第48-61页 |
| 5．1 我们的问题 | 第48-49页 |
| 5．2 四种生理信号的机理与分析 | 第49-53页 |
| 5．2．1 血压 | 第49页 |
| 5．2．2 脉搏 | 第49-50页 |
| 5．2．3 血氧 | 第50-51页 |
| 5．2．4 心电(图) | 第51-53页 |
| 5．3 对生理样本集的要求和预处理 | 第53-55页 |
| 5．3．1 对生理样本集的要求 | 第53-54页 |
| 5．3．2 生理训练样本的预处理 | 第54-55页 |
| 5．4 特征选择的方法 | 第55-59页 |
| 5．4．1 特征选择的意义 | 第55页 |
| 5．4．2 特征选择的序列极小化方法 | 第55-56页 |
| 5．4．3 特征选择的十字交叉法 | 第56-59页 |
| 5．5 样本处理的两个不均衡问题的解决方法 | 第59-61页 |
| 5．5．1 处理正类和负类训练点数的不均衡的方法 | 第59-60页 |
| 5．5．2 处理特征值不均衡的方法 | 第60-61页 |
| 第六章 应用 | 第61-68页 |
| 6．1 生理信息的预处理 | 第61-63页 |
| 6．1．1 我们的样本数据 | 第61-62页 |
| 6．1．2 样本数据预处理 | 第62-63页 |
| 6．2 诊断模型的实现 | 第63-65页 |
| 6．2．1 分类器的选择 | 第63页 |
| 6．2．2 求解算法与停机准则 | 第63-64页 |
| 6．2．3 核函数的选择 | 第64页 |
| 6．2．4 参数的选择 | 第64页 |
| 6．2．5 算法模型的程序实现 | 第64-65页 |
| 6．3 结果及分析 | 第65-68页 |
| 第七章 结束语 | 第68-70页 |
| 一、研究工作总结 | 第68页 |
| 二、展望 | 第68-70页 |
| 攻读硕士期间发表论文 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
