| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 计算机诊断系统的发展现状 | 第10-11页 |
| 1.2.2 群体智能优化与人工蜂群算法研究现状 | 第11-12页 |
| 1.2.3 朴素贝叶斯分类器的研究现状 | 第12-13页 |
| 1.3 论文主要工作和结构安排 | 第13-15页 |
| 1.3.1 主要工作 | 第13页 |
| 1.3.2 论文结构 | 第13-15页 |
| 第二章 相关技术与理论基础 | 第15-29页 |
| 2.1 标准人工蜂群算法 | 第15-17页 |
| 2.1.1 人工蜂群算法描述 | 第15-16页 |
| 2.1.2 人工蜂群算法步骤 | 第16-17页 |
| 2.2 朴素贝叶斯相关理论 | 第17-25页 |
| 2.2.1 概率论基础知识 | 第17-19页 |
| 2.2.2 分类及分类器概述 | 第19-20页 |
| 2.2.3 贝叶斯分类算法 | 第20-21页 |
| 2.2.4 朴素贝叶斯分类算法 | 第21-23页 |
| 2.2.5 朴素贝叶斯分类算法改进 | 第23-25页 |
| 2.3 高血压诊疗系统及软件架构 | 第25-26页 |
| 2.3.1 诊断系统概述 | 第25页 |
| 2.3.2 系统软件架构 | 第25-26页 |
| 2.4 系统实现相关技术 | 第26-28页 |
| 2.4.1 Spring MVC框架 | 第26-27页 |
| 2.4.2 JSP技术 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 人工蜂群算法在高血压特征选择中应用 | 第29-40页 |
| 3.1 特征选择流程 | 第29-30页 |
| 3.2 高血压特征提取及数据预处理 | 第30-32页 |
| 3.2.1 特征选择算法的选取 | 第30页 |
| 3.2.2 高血压相关特征 | 第30-31页 |
| 3.2.3 特征数据预处理 | 第31-32页 |
| 3.3 人工蜂群算法改进 | 第32-35页 |
| 3.3.1 原始算法存在的问题及改进方法 | 第32-33页 |
| 3.3.2 LS-ABC特征选择算法的基本流程 | 第33-35页 |
| 3.4 实验评估 | 第35-39页 |
| 3.4.1 实验参数与数据 | 第35页 |
| 3.4.2 实验环境 | 第35页 |
| 3.4.3 实验结果与分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 NB-DT混合分类算法在高血压诊断上的应用 | 第40-54页 |
| 4.1 系统概率估计算法 | 第40-43页 |
| 4.1.1 概率修正方法 | 第40-41页 |
| 4.1.2 优化函数 | 第41-42页 |
| 4.1.3 朴素贝叶斯的概率估计优化算法 | 第42-43页 |
| 4.2 决策树算法C5.0 | 第43-44页 |
| 4.3 NB-DT高血压诊断模型 | 第44-46页 |
| 4.3.1 模型概述 | 第44-45页 |
| 4.3.2 模型操作流程 | 第45-46页 |
| 4.4 实验评估 | 第46-53页 |
| 4.4.1 实验数据与设计 | 第46-48页 |
| 4.4.2 NB-DT分类实验过程 | 第48-49页 |
| 4.4.3 实验结果与分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 高血压诊断系统的设计与实现 | 第54-64页 |
| 5.1 开发工具及环境 | 第54页 |
| 5.2 系统总体设计 | 第54-56页 |
| 5.2.1 用户角色 | 第54页 |
| 5.2.2 功能模块 | 第54-56页 |
| 5.3 系统详细设计 | 第56-60页 |
| 5.3.1 用例图 | 第56-57页 |
| 5.3.2 类图 | 第57-59页 |
| 5.3.3 序列图 | 第59-60页 |
| 5.4 功能模块展示 | 第60-63页 |
| 5.4.1 数据维护 | 第60-61页 |
| 5.4.2 辅助诊断 | 第61-63页 |
| 5.4.3 系统设置 | 第63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文研究工作总结 | 第64-65页 |
| 6.2 今后工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间的学术成果 | 第70-71页 |
| 致谢 | 第71页 |