| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-11页 |
| ·论文的写作背景和目的 | 第7-8页 |
| ·写作背景 | 第7页 |
| ·写作目的 | 第7-8页 |
| ·项目简介 | 第8-9页 |
| ·本论文的研究工作 | 第9-11页 |
| 第二章 神经网络在医学领域中的研究 | 第11-21页 |
| ·生物神经元简介 | 第11页 |
| ·人工神经网络模型 | 第11-14页 |
| ·神经网络的形式化描述 | 第12页 |
| ·神经元状态转移函数的类型 | 第12-13页 |
| ·神经网络的工作方式 | 第13-14页 |
| ·人工神经网络的学习规则 | 第14-15页 |
| ·人工神经网络在医学领域中的研究 | 第15-19页 |
| ·医学专家知识的特点 | 第15-17页 |
| ·关于专家系统的研究 | 第17-18页 |
| ·关于神经网络的研究 | 第18-19页 |
| ·人工神经网络应用在医疗诊断系统的作用及其价值 | 第19-21页 |
| 第三章 反向传播算法 | 第21-26页 |
| ·误差逆传播算法(BP算法) | 第21-25页 |
| ·BP算法在医学领域中应用优势 | 第25-26页 |
| 第四章 BP神经网络在医疗诊断中的应用 | 第26-34页 |
| ·智能诊断系统 | 第26页 |
| ·BP神经网络在智能疾病诊断中的应用 | 第26-34页 |
| ·冠心病 | 第26-29页 |
| ·原理与方法 | 第29-30页 |
| ·BP神经网络用于冠心病智能诊断 | 第30-34页 |
| 第五章 基于遗传算法的 BP网络诊断模型优化设计 | 第34-43页 |
| ·遗传算法的描述 | 第35-38页 |
| ·涉及的一些基本术语 | 第35页 |
| ·遗传算法的基本条件 | 第35-37页 |
| ·遗传算法 | 第37-38页 |
| ·BP网络结构的遗传优化设计 | 第38-42页 |
| ·染色体编码 | 第39-40页 |
| ·适应度函数的选取 | 第40页 |
| ·网络学习训练过程 | 第40-42页 |
| ·实验分析 | 第42-43页 |
| 第六章 基于 Rough的知识发现在医学诊断中的研究 | 第43-59页 |
| ·分类出知识 | 第43-44页 |
| ·根据症状集合 A中的每个症状可以把病人集合 P分类 | 第44-45页 |
| ·单个症状属性的挖掘 | 第45-47页 |
| ·多个症状属性的分类 | 第47-49页 |
| ·多个症状属性的挖掘 | 第49-50页 |
| ·症状属性的重要度 | 第50-56页 |
| ·医学知识发现算法 | 第56-59页 |
| 第七章 总结 | 第59-62页 |
| 参考文献 | 第62-65页 |
| 摘要 | 第65-68页 |
| Abstract | 第68-72页 |
| 致谢 | 第72-73页 |
| 导师及作者简介 | 第73页 |