| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 选题背景与研究意义 | 第15-16页 |
| 1.2 预测人体腹内脂肪面积的方法 | 第16-21页 |
| 1.2.1 常见的测量方法 | 第16-18页 |
| 1.2.2 基于生物电阻抗的预测建模的研究现状 | 第18-20页 |
| 1.2.3 建模预测方法中存在的问题 | 第20-21页 |
| 1.3 论文研究内容及安排 | 第21-23页 |
| 1.3.1 论文研究内容 | 第21页 |
| 1.3.2 论文内容安排 | 第21-23页 |
| 第二章 人体腹内脂肪面积的特征属性分析 | 第23-30页 |
| 2.1 生物电阻抗理论 | 第23-26页 |
| 2.2 特征属性的分析 | 第26-27页 |
| 2.2.1 腹部电阻抗属性分析 | 第26页 |
| 2.2.2 腹部形状特征属性分析 | 第26-27页 |
| 2.3 基于生物电阻抗的人体腹内脂肪面积特征属性测量方法 | 第27-28页 |
| 2.4 人体腹内脂肪面积特征属性的定义 | 第28-29页 |
| 2.4.1 人群个体特征 | 第28页 |
| 2.4.2 量测特征的提取 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 人体腹内脂肪面积的预测模型 | 第30-43页 |
| 3.1 预测建模的预处理问题 | 第30页 |
| 3.2 人工蜂群算法对特征属性的优化 | 第30-34页 |
| 3.2.1 人工蜂群算法原理 | 第30-31页 |
| 3.2.2 人体腹内脂肪面积特征属性的人工蜂群优化算法 | 第31-33页 |
| 3.2.3 特征属性的全局寻优步骤 | 第33-34页 |
| 3.3 基于支持向量回归机的人体腹内脂肪面积预测模型构建 | 第34-37页 |
| 3.3.1 人体腹内脂肪面积预测模型的支持向量回归机 | 第34-35页 |
| 3.3.2 基于支持向量回归机的ABC-SVR预测模型 | 第35-37页 |
| 3.4 基于半监督学习的ABC-SVR预测模型的构建 | 第37-41页 |
| 3.4.1 人体腹内脂肪面积预测的半监督学习 | 第37-38页 |
| 3.4.2 基于半监督学习的ABC-SVR预测模型 | 第38-41页 |
| 3.4.3 算法步骤 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 人体腹内脂肪面积预测模型的训练与预测 | 第43-49页 |
| 4.1 实验样本数据采集的步骤 | 第43-45页 |
| 4.2 样本数据的分类 | 第45页 |
| 4.3 样本数据的人工蜂群算法优化 | 第45-46页 |
| 4.4 标记样本训练与未标记样本预测分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 三种预测模型的预测结果对比分析 | 第49-56页 |
| 5.1 人体腹内脂肪面积预测模型 | 第49-54页 |
| 5.1.1 经典预测模型仿真与分析 | 第49-52页 |
| 5.1.2 ABC-SVR预测模型仿真与分析 | 第52-53页 |
| 5.1.3 半监督ABC-SVR预测模型仿真与分析 | 第53-54页 |
| 5.2 半监督预测模型与对比两种模型预测结果分析 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60页 |
