医学数据处理的人工智能方法--统计专家系统ESGLM的实现与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| §1 人工智能在统计学中的应用回顾 | 第9-22页 |
| 一、引言 | 第9-10页 |
| 二、人工智能中的统计方法 | 第10-13页 |
| 三、统计学中人工智能的应用 | 第13-21页 |
| (一) 概念聚类 | 第13-15页 |
| (二) 统计知识表示与知识获取 | 第15-17页 |
| (三) 智能化数据处理与统计专家系统 | 第17-21页 |
| 四、小结 | 第21-22页 |
| §2 统计分析策略 | 第22-32页 |
| 一、问题提出 | 第22-23页 |
| 二、统计专家系统的类型及结构 | 第23-25页 |
| 三、统计分析策略的构造 | 第25-29页 |
| 四、拟合对数线性模型的策略 | 第29-30页 |
| 五、有关实现问题 | 第30-32页 |
| §3 专家系统设计准则 | 第32-41页 |
| 一、专家系统的结构 | 第32-34页 |
| 二、知识库的设计 | 第34-35页 |
| 三、执行机构的设计 | 第35-36页 |
| 四、用户接口设计 | 第36-37页 |
| 五、解释器的设计 | 第37-38页 |
| 六、知识获取机制的设计 | 第38-39页 |
| 七、中间数据库的设计 | 第39页 |
| 八、统计计算模块的设计 | 第39-41页 |
| §4 ESGLM系统实现 | 第41-96页 |
| 一、引言 | 第41页 |
| 二、知识表示与知识库组织 | 第41-58页 |
| (一) 知识的分类 | 第41-45页 |
| (二) 知识的表示方法 | 第45-51页 |
| (三) ESGLM系统的知识表示及知识库组织 | 第51-58页 |
| 三、推理技术 | 第58-72页 |
| (一) 概述 | 第58-59页 |
| (二) 各种推理方法简介 | 第59-65页 |
| (三) 控制策略 | 第65-68页 |
| (四) ESGLM系统的推理机制 | 第68-72页 |
| 四、机器知识获取 | 第72-79页 |
| (一) 概述 | 第72页 |
| (二) 知识获取方法 | 第72-73页 |
| (三) 机器学习 | 第73-76页 |
| (四) ESGLM系统的知识获取 | 第76-79页 |
| 五、解释功能与用户接口 | 第79-82页 |
| (一) 解释方法概述 | 第79-80页 |
| (二) ESGLM的用户接口设计及解释功能 | 第80-82页 |
| 六、模型的产生与拟合 | 第82-87页 |
| (一) 参数估计 | 第86页 |
| (二) 期望值点估计 | 第86页 |
| (三) 假设检验 | 第86-87页 |
| 七、ESGLM系统的使用方法 | 第87-96页 |
| (一) 菜单条及菜单的选择方法 | 第87-88页 |
| (二) 状态行 | 第88页 |
| (三) System菜单 | 第88-89页 |
| (四) Data菜单 | 第89-93页 |
| (五) Model菜单 | 第93-94页 |
| (六) Knowledge菜单 | 第94-95页 |
| (七) Consult菜单 | 第95-96页 |
| §5 ESGLM应用举例 | 第96-116页 |
| 一、拟合线性回归模型 | 第96-99页 |
| 二、拟合加权回归模型 | 第99-101页 |
| 三、协方差分析 | 第101-107页 |
| 四、拟合logistic模型 | 第107-109页 |
| 五、拟合有序对数线性模型 | 第109-112页 |
| 六、对数线性模型的自动寻优 | 第112-116页 |
| §6 ESGLM系统的扩展设想 | 第116-119页 |
| 一、知识获取功能的改进 | 第116-117页 |
| 二、更有力的解释功能 | 第117页 |
| 三、推理机制的完善 | 第117-118页 |
| 四、ESGLM系统的运行环境及局限性 | 第118-119页 |
| 附录 对数线性模型方法简介 | 第119-126页 |
| 一、概念引出 | 第119-122页 |
| 二、有序变量的对数线性模型 | 第122-124页 |
| 三、残差分析 | 第124-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-138页 |
| 中文详细摘要 | 第138-140页 |
