| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 冠心病早期危险预测模型研究现状 | 第12-14页 |
| 1.3 人工智能辅助诊断冠心病研究现状 | 第14-16页 |
| 1.4 本文研究内容和创新点 | 第16-17页 |
| 1.5 本文组织结构 | 第17-19页 |
| 第二章 数据采集及分析 | 第19-28页 |
| 2.1 医疗数据挖掘 | 第19页 |
| 2.2 数据采集和选用 | 第19-22页 |
| 2.2.1 冠心病危险因素数据集 | 第20页 |
| 2.2.2 心音信号特征数据集 | 第20-22页 |
| 2.3 数据预处理 | 第22页 |
| 2.4 统计分析和特征筛选 | 第22-26页 |
| 2.4.1 统计分析 | 第22-26页 |
| 2.4.2 特征筛选 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 集成学习算法模型 | 第28-40页 |
| 3.1 机器学习基础理论 | 第28-31页 |
| 3.1.1 机器学习基本概念 | 第28-29页 |
| 3.1.2 模型的评价指标和方法 | 第29-31页 |
| 3.2 集成学习基础理论 | 第31-33页 |
| 3.3 BOOSTING算法 | 第33-35页 |
| 3.4 BAGGING算法 | 第35-37页 |
| 3.5 STACKED算法 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于危险因素数据集的冠心病集成学习筛查方法探索 | 第40-49页 |
| 4.1 面向冠心病危险因素数据集的集成学习算法模型 | 第40-43页 |
| 4.2 冠心病危险因素数据集的不平衡化处理 | 第43-45页 |
| 4.3 冠心病危险因素数据集特征重要性评分讨论 | 第45-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 基于心音信号特征数据集的冠心病集成学习筛查方法探索 | 第49-55页 |
| 5.1 面向心音信号特征数据集的集成学习算法模型 | 第49-51页 |
| 5.2 心音信号特征数据集的不平衡化处理 | 第51-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 附录A | 第63-66页 |
| 附件 | 第66页 |
