| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 神经网络和贝叶斯方法在医学领域的应用现状 | 第9-10页 |
| 1.2.2 健康评估国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 相关理论介绍 | 第13-35页 |
| 2.1 疾病诊断或预测方法 | 第13-14页 |
| 2.1.1 疾病诊断预测常见方法 | 第13页 |
| 2.1.2 心血管疾病常用检测方法 | 第13-14页 |
| 2.2 神经网络相关介绍 | 第14-22页 |
| 2.2.1 神经网络概述 | 第14-16页 |
| 2.2.2 神经网络的分类 | 第16-21页 |
| 2.2.3 神经网络的学习规则 | 第21-22页 |
| 2.3 BP网络简介 | 第22-29页 |
| 2.3.1 BP网络结构和算法 | 第22-25页 |
| 2.3.2 BP网络的优缺点和改进方向 | 第25-27页 |
| 2.3.3 BP算法的几种改进算法 | 第27-29页 |
| 2.4 贝叶斯网络相关理论 | 第29-33页 |
| 2.4.1 贝叶斯网络概述 | 第29-30页 |
| 2.4.2 贝叶斯网络的推理算法与学习方法 | 第30-33页 |
| 2.5 几种先验概率的获取方法 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于BP神经网络优化贝叶斯方法的设计与实现 | 第35-46页 |
| 3.1 算法设计思想 | 第35-37页 |
| 3.1.1 诊断原理 | 第35-36页 |
| 3.1.2 效果评价 | 第36页 |
| 3.1.3 总体设计 | 第36-37页 |
| 3.2 BP网络模型的设计 | 第37-43页 |
| 3.2.1 输入输出层的设计 | 第37-38页 |
| 3.2.2 隐含层及其节点数的选取 | 第38-39页 |
| 3.2.3 训练函数的选择 | 第39-40页 |
| 3.2.4 学习速率与权值的选取 | 第40-41页 |
| 3.2.5 程序的设计 | 第41-43页 |
| 3.3 优化方法的实现 | 第43-45页 |
| 3.3.1 获取先验概率 | 第43-44页 |
| 3.3.2 获取后验概率 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 实验仿真及分析 | 第46-54页 |
| 4.1 数据来源及预处理 | 第46-47页 |
| 4.2 实验参数的设置 | 第47-50页 |
| 4.3 仿真结果及分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |