| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 LN疾病研究现状 | 第12-13页 |
| 1.2.2 SVM算法研究现状 | 第13-14页 |
| 1.2.3 遗传算法的研究进展 | 第14-15页 |
| 1.3 研究内容及结构 | 第15-17页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 论文结构 | 第16-17页 |
| 第二章 LN数据分析及诊断方法 | 第17-27页 |
| 2.1 数据分析及预处理的作用和意义 | 第17页 |
| 2.2 数据源 | 第17-19页 |
| 2.3 临床数据处理方法 | 第19-20页 |
| 2.4 实验数据预处理 | 第20-22页 |
| 2.4.1 数据样本的选取 | 第20-21页 |
| 2.4.2 缺失数据的处理 | 第21-22页 |
| 2.4.3 数据的归一化处理 | 第22页 |
| 2.5 LN的诊断 | 第22-26页 |
| 2.5.1 SLE的诊断 | 第22-25页 |
| 2.5.2 LN的病理诊断 | 第25页 |
| 2.5.3 智能算法辅助诊断 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 相关理论基础 | 第27-41页 |
| 3.1 SVM理论基础 | 第27-38页 |
| 3.1.1 统计学习理论的基本原理 | 第27-29页 |
| 3.1.2 SVM的基本概念 | 第29页 |
| 3.1.3 最优分类超平面 | 第29-33页 |
| 3.1.4 核函数 | 第33-34页 |
| 3.1.5 支持向量机回归 | 第34-38页 |
| 3.2 遗传算法理论基础 | 第38-40页 |
| 3.2.1 染色体编码 | 第38页 |
| 3.2.2 适应度函数 | 第38-39页 |
| 3.2.3 遗传算子 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 GA-SVM预测模型的实现及在LN中的应用 | 第41-53页 |
| 4.1 仿真实验的环境 | 第41-42页 |
| 4.1.1 LIBSVM简介 | 第41-42页 |
| 4.1.2 实验仿真平台 | 第42页 |
| 4.2 算法性能评价指标的选取 | 第42-43页 |
| 4.3 选择核函数 | 第43-44页 |
| 4.4 GA-SVM参数优化模型的建立及仿真 | 第44-51页 |
| 4.4.1 GA主要构成模块 | 第44-45页 |
| 4.4.2 GA-SVM算法的实现流程及步骤 | 第45-47页 |
| 4.4.3 参数设置 | 第47页 |
| 4.4.4 实验仿真 | 第47-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 改进的GA-SVM预测模型在LN疾病中的应用 | 第53-67页 |
| 5.1 基于优化参数(c,g,ε)的GA-SVM模型 | 第53-54页 |
| 5.2 实验仿真 | 第54-57页 |
| 5.3 基于改进的GA优化SVM参数模型的研究和仿真 | 第57-64页 |
| 5.3.1 基于优化参数(c,g,ε) GA-SVM模型存在的不足 | 第57-58页 |
| 5.3.2 针对基于优化参数(c,g,ε)GA-SVM模型的改进 | 第58-59页 |
| 5.3.3 改进的GA-SVM参数模型的运行流程 | 第59-61页 |
| 5.3.4 改进的GA-SVM参数模型的仿真结果分析 | 第61-64页 |
| 5.4 三种算法仿真结果对比分析 | 第64-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录A: 攻读硕士学位期间参与项目及科研成果 | 第77页 |
