基于统计学习理论的传染病预警方法研究比较
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 文献综述 | 第11-13页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 本文研究方法 | 第13-14页 |
| 1.5 文章结构 | 第14-15页 |
| 2 预备知识 | 第15-27页 |
| 2.1 结构方程模型 | 第15-18页 |
| 2.1.1 结构方程模型基本原理 | 第15-16页 |
| 2.1.2 建立结构方程模型步骤 | 第16-18页 |
| 2.2 人工神经网络 | 第18-22页 |
| 2.2.1 人工神经网络概述 | 第18-20页 |
| 2.2.2 人工神经网络的分类 | 第20页 |
| 2.2.3 人工神经网络中的节点 | 第20-21页 |
| 2.2.4 建立人工神经网络的步骤 | 第21-22页 |
| 2.3 随机森林 | 第22-25页 |
| 2.3.1 随机森林概述 | 第22-23页 |
| 2.3.2 构建随机森林的样本 | 第23-24页 |
| 2.3.3 构建随机森林的变量 | 第24页 |
| 2.3.4 决策树方法 | 第24-25页 |
| 2.3.5 随机森林对输入变量重要性的测度 | 第25页 |
| 2.4 模型拟合的准则 | 第25-27页 |
| 3 实证分析 | 第27-38页 |
| 3.1 数据来源与指标确定 | 第27-28页 |
| 3.2 结构方程模型在高校结核病预警管理中的应用 | 第28-31页 |
| 3.2.1 定义潜变量和相应的显变量 | 第28-29页 |
| 3.2.2 参数估计结果 | 第29-31页 |
| 3.3 人工神经网络在高校结核病预警中的应用 | 第31-35页 |
| 3.4 随机森林在高校结核病预警中的应用 | 第35-38页 |
| 结论与展望 | 第38-40页 |
| 参考文献 | 第40-43页 |
| 攻读硕士学位期间发表学术论文情况 | 第43-44页 |
| 致谢 | 第44页 |
