首页--医药、卫生论文--内科学论文--消化系及腹部疾病论文--肝及胆疾病论文--肝硬变论文

基于机器学习的肝硬化疾病预测研究

摘要第5-6页
Abstract第6页
第1章 绪论第11-17页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-15页
    1.3 主要研究内容第15页
    1.4 论文组织结构第15-17页
第2章 关键技术第17-34页
    2.1 Spark分布式大数据处理平台第17-21页
        2.1.1 弹性分布式数据集第18-20页
        2.1.2 Spark SQL第20页
        2.1.3 Spark MLLib第20-21页
        2.1.4 Spark M1与Spark MLlib的区别与联系第21页
    2.2 决策树第21-23页
        2.2.1 划分选择第22-23页
        2.2.2 剪枝处理第23页
    2.3 支持向量机第23-31页
        2.3.1 最大边缘超平面第24-25页
        2.3.2 线性可分支持向量机第25-28页
        2.3.3 线性不可分支持向量机第28-31页
    2.4 分类模型评价指标第31-33页
    2.5 本章小结第33-34页
第3章 肝硬化疾病数据预处理第34-56页
    3.1 数据来源第34-36页
    3.2 数据提取第36-39页
    3.3 数据集成第39-42页
    3.4 数据预处理第42-55页
        3.4.1 数据归一化第43-50页
        3.4.2 缺省值处理第50-53页
        3.4.3 属性值数值化处理第53-55页
    3.5 本章小结第55-56页
第4章 构建分类模型第56-65页
    4.1 实验环境第56-59页
        4.1.1 Scala环境搭建第57页
        4.1.2 Spark环境搭建第57-59页
    4.2 基于Spark平台构建肝硬化分类模型第59-64页
        4.2.1 构造带有类标签特征向量的弹性分布式数据集第59-60页
        4.2.2 肝硬化预测模型第60-64页
    4.3 本章小结第64-65页
第5章 实验分析与原型系统设计实现第65-70页
    5.1 对肝硬化分类模型进行评估第65-67页
    5.2 对比实验结果第67-68页
    5.3 肝硬化预测原型系统设计与实现第68页
    5.4 本章小结第68-70页
结论第70-72页
参考文献第72-75页
附录A 攻读学位期间所参与的主要成果第75-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:基于基因表达谱和miRNA表达谱的癌症分类集成预测方法
下一篇:基于深度学习的青光眼杯盘检测技术研究