中医儿童性早熟智能诊断算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-21页 |
| ·课题的研究意义 | 第11页 |
| ·人工智能在中医研究中的发展与展望 | 第11-17页 |
| ·人工智能的发展现状与展望 | 第11-14页 |
| ·智能技术在医学中的应用概况 | 第14-15页 |
| ·智能技术在中医研究中的应用现状与展望 | 第15-17页 |
| ·中医儿童性早熟诊断研究现状 | 第17-18页 |
| ·课题主要研究内容与章节安排 | 第18-21页 |
| ·主要研究内容及创新点 | 第18-20页 |
| ·论文的章节安排 | 第20-21页 |
| 第二章 相关中医诊断原理与临床数据处理 | 第21-27页 |
| ·中医儿童性早熟诊断原理 | 第21-22页 |
| ·儿童性早熟中医病理及证候 | 第21-22页 |
| ·中医儿童性早熟的诊断 | 第22页 |
| ·中医临床数据的规范化处理 | 第22-24页 |
| ·中医专家诊断系统的结构 | 第24-25页 |
| ·专家诊断知识提取 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于模糊关系方程的最大隶属度诊断算法 | 第27-39页 |
| ·模糊数学基础理论 | 第27-30页 |
| ·模糊集合及其运算 | 第27-28页 |
| ·模糊关系及合成 | 第28-29页 |
| ·模糊决策 | 第29-30页 |
| ·儿童性早熟模糊诊断 | 第30-37页 |
| ·模糊诊断系统的组成 | 第30-31页 |
| ·输入输出数据的模糊化 | 第31-32页 |
| ·性早熟诊断模糊关系方程的建立 | 第32-36页 |
| ·最大隶属度判决法 | 第36-37页 |
| ·基于模糊关系方程的最大隶属度法计算结果及分析 | 第37页 |
| ·计算结果及分析 | 第37页 |
| ·错误样本分析 | 第37页 |
| ·算法的调整与改进 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于改进模糊聚类分析的诊断算法 | 第39-55页 |
| ·模糊聚类分析简介 | 第39-45页 |
| ·模糊聚类分析原理 | 第39-40页 |
| ·模糊聚类分析步骤 | 第40-45页 |
| ·儿童性早熟诊断模糊聚类算法设计 | 第45-47页 |
| ·算法分析及改进原因 | 第45-46页 |
| ·模糊聚类算法具体改进 | 第46-47页 |
| ·改进的模糊聚类算法及诊断计算结果 | 第47-52页 |
| ·算法步骤 | 第47-50页 |
| ·算法结果及分析 | 第50-52页 |
| ·错误样本分析及处理 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于模糊聚类的改进型支持向量机算法 | 第55-64页 |
| ·支持向量机算法原理 | 第55-57页 |
| ·基于模糊聚类的改进型支持向量机算法 | 第57-62页 |
| ·算法实现步骤 | 第59页 |
| ·诊断计算结果及算法分析 | 第59-62页 |
| ·算法改进前后的结果对比 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-67页 |
| ·三种算法结果的比较分析 | 第64-65页 |
| ·本文的研究结论 | 第65-66页 |
| ·研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录一: 改进的模糊聚类计算结果 | 第71-81页 |
| 附录二: 基于模糊聚类的支持向量机算法聚类结果 | 第81-91页 |
| 致谢 | 第91-92页 |
| 攻读硕士期间参加的项目及发表的论文 | 第92页 |
| 1. 参加项目 | 第92页 |
| 2. 论文发表 | 第92页 |
