社区居民糖尿病风险预测系统的设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 疾病预测的研究现状 | 第13-14页 |
| 1.2.2 糖尿病风险预测的现状 | 第14-15页 |
| 1.3 论文研究的主要内容 | 第15-16页 |
| 1.4 论文组织架构 | 第16-18页 |
| 第2章 相关技术研究 | 第18-28页 |
| 2.1 数据预处理方法 | 第18-19页 |
| 2.1.1 数据清理 | 第18页 |
| 2.1.2 数据集成 | 第18页 |
| 2.1.3 数据变换 | 第18-19页 |
| 2.1.4 数据规约 | 第19页 |
| 2.2 特征选择方法 | 第19-20页 |
| 2.3 本文相关预测方法 | 第20-28页 |
| 2.3.1 集成学习 | 第20-24页 |
| 2.3.2 决策树 | 第24-28页 |
| 第3章 数据预处理和特征选择 | 第28-34页 |
| 3.1 数据采集及分析 | 第28-29页 |
| 3.2 数据预处理 | 第29-30页 |
| 3.3 特征选择 | 第30-34页 |
| 3.3.1 WOE | 第30-31页 |
| 3.3.2 IV值分析 | 第31-34页 |
| 第4章 糖尿病风险预测模型的研究 | 第34-44页 |
| 4.1 随机森林算法的研究 | 第35-36页 |
| 4.1.1 bagging算法在随机森林中的应用 | 第35-36页 |
| 4.1.2 随机森林在bagging算法上的改进 | 第36页 |
| 4.2 XGBoost算法的研究 | 第36-39页 |
| 4.2.1 GBDT | 第36-38页 |
| 4.2.2 XGBoost在 GBDT上的改进 | 第38-39页 |
| 4.3 CatBoost算法的研究 | 第39-40页 |
| 4.4 模型预测 | 第40-41页 |
| 4.5 评价标准 | 第41-42页 |
| 4.6 实验结果分析 | 第42-44页 |
| 第5章 糖尿病风险预测系统的设计与实现 | 第44-60页 |
| 5.1 需求分析 | 第44-46页 |
| 5.1.1 功能性需求分析 | 第44-45页 |
| 5.1.2 非功能性需求分析 | 第45-46页 |
| 5.2 可行性分析 | 第46-47页 |
| 5.2.1 技术可行性 | 第46页 |
| 5.2.2 经济可行性 | 第46-47页 |
| 5.2.3 开发环境可行性 | 第47页 |
| 5.3 系统总体设计 | 第47-51页 |
| 5.3.1 系统架构设计 | 第47-48页 |
| 5.3.2 总体功能模块设计 | 第48-49页 |
| 5.3.3 系统角色设计 | 第49-51页 |
| 5.4 系统功能模块详细设计 | 第51-53页 |
| 5.4.1 登录和注册模块详细设计 | 第52页 |
| 5.4.2 权限管理模块详细设计 | 第52页 |
| 5.4.3 信息查询模块详细设计 | 第52-53页 |
| 5.4.4 糖尿病风险预测模块详细设计 | 第53页 |
| 5.4.5 信息推送模块详细设计 | 第53页 |
| 5.5 数据库设计 | 第53-55页 |
| 5.6 系统实现与测试 | 第55-60页 |
| 5.6.1 系统实现 | 第55-57页 |
| 5.6.2 系统测试 | 第57-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第68页 |
