| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于信息技术的专家系统的研究现状 | 第9-11页 |
| 1.2.2 案例推理研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 第2章 相关理论及相关知识概述 | 第15-25页 |
| 2.1 案例推理技术 | 第15-20页 |
| 2.1.1 案例推理概念 | 第15页 |
| 2.1.2 案例推理运行模型 | 第15-16页 |
| 2.1.3 案例推理任务划分 | 第16-20页 |
| 2.2 主成分分析 | 第20-22页 |
| 2.2.1 PCA 介绍 | 第20页 |
| 2.2.2 数学定义 | 第20-21页 |
| 2.2.3 计算步骤 | 第21-22页 |
| 2.3 糖尿病概述 | 第22-23页 |
| 2.3.1 糖尿病基本概念 | 第22页 |
| 2.3.2 糖尿病的种类 | 第22-23页 |
| 2.3.3 糖尿病的临床表现 | 第23页 |
| 2.4 糖尿病诊断所使用的指标 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 基于 CBR 的糖尿病诊断系统的研究和设计 | 第25-48页 |
| 3.1 糖尿病数据集 | 第25-26页 |
| 3.1.1 数据预处理 | 第26页 |
| 3.2 糖尿病案例表示 | 第26-27页 |
| 3.3 糖尿病案例库设计 | 第27页 |
| 3.4 案例属性权值设定 | 第27-29页 |
| 3.4.1 领域专家方法 | 第28页 |
| 3.4.2 统计分析方法 | 第28-29页 |
| 3.5 主成分分析降维 | 第29-31页 |
| 3.6 案例相似度计算方法 | 第31-32页 |
| 3.6.1 欧氏距离计算方法 | 第31页 |
| 3.6.2 改进的余弦函数计算方法 | 第31-32页 |
| 3.6.3 基于归一化的相似度计算方法 | 第32页 |
| 3.7 糖尿病诊断系统案例库建立过程 | 第32-33页 |
| 3.8 糖尿病诊断系统的推理过程 | 第33-34页 |
| 3.9 实验分析 | 第34-46页 |
| 3.9.1 测试过程及结果 | 第34-36页 |
| 3.9.2 结果分析 | 第36-43页 |
| 3.9.3 案例学习 | 第43-46页 |
| 3.9.4 与现有系统的比较 | 第46页 |
| 3.9.5 结论 | 第46页 |
| 3.10 本章小结 | 第46-48页 |
| 第4章 基于 CBR 的糖尿病诊断系统的实现 | 第48-55页 |
| 4.1 业务流程 | 第48页 |
| 4.2 系统总体设计 | 第48-51页 |
| 4.2.1 系统用例分析图 | 第48-50页 |
| 4.2.2 系统框架 | 第50-51页 |
| 4.2.3 系统开发及运行环境 | 第51页 |
| 4.3 数据库设计 | 第51页 |
| 4.4 主要功能模块实现 | 第51-53页 |
| 4.4.1 系统程序结构 | 第51-52页 |
| 4.4.2 系统功能实现 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-62页 |
| 致谢 | 第62页 |