基于贝叶斯网络的中医医案数据挖掘
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·研究背景与意义 | 第13-14页 |
| ·数据挖掘技术在中医药领域的发展现状和存在的问题 | 第14-17页 |
| ·数据挖掘技术在中医药领域的应用 | 第14-15页 |
| ·中医药领域的各种数据挖掘方法 | 第15-16页 |
| ·存在的问题 | 第16-17页 |
| ·论文研究内容及创新点 | 第17-18页 |
| ·医案信息的预处理 | 第17页 |
| ·基于分组降维策略的慢性胃炎证型分类 | 第17页 |
| ·“内生五邪”医案的缺失数据处理 | 第17-18页 |
| ·论文组织安排 | 第18-19页 |
| 第二章 贝叶斯网络的基本理论 | 第19-34页 |
| ·引言 | 第19-20页 |
| ·贝叶斯网络的构成 | 第20-25页 |
| ·相关概念和公式 | 第20-23页 |
| ·贝叶斯网络概述 | 第23-24页 |
| ·一个实例 | 第24-25页 |
| ·贝叶斯网络的特点与应用 | 第25-27页 |
| ·贝叶斯网络的特点 | 第25-26页 |
| ·贝叶斯网络的应用 | 第26-27页 |
| ·贝叶斯网络的推理机制 | 第27-28页 |
| ·贝叶斯网络的学习算法 | 第28-34页 |
| ·结构学习 | 第28-32页 |
| ·基于依赖分析的结构学习算法 | 第29页 |
| ·基于评分搜索的结构学习算法 | 第29-31页 |
| ·数据不完整的结构学习算法 | 第31-32页 |
| ·参数学习 | 第32-34页 |
| 第三章 中医医案的采集和预处理 | 第34-37页 |
| ·引言 | 第34页 |
| ·原始数据采集与预处理 | 第34-37页 |
| ·慢性胃炎病例的采集与预处理 | 第34-36页 |
| ·“内生五邪”医案的采集与预处理 | 第36-37页 |
| 第四章 基于分组降维策略的慢性胃炎证型分类 | 第37-50页 |
| ·引言 | 第37-38页 |
| ·病例数据的特点及存在问题 | 第38页 |
| ·症状的分组降维以及贝叶斯网络的学习 | 第38-44页 |
| ·症状聚类 | 第38-41页 |
| ·症状的主成分分析 | 第41-44页 |
| ·贝叶斯网络的建立与训练 | 第44页 |
| ·实验结果与分析 | 第44-49页 |
| ·与试验有关的一些问题 | 第44-45页 |
| ·未做降维处理病例的贝叶斯网络学习和分类 | 第45-46页 |
| ·降维处理后病例的贝叶斯网络学习和分类 | 第46-48页 |
| ·不同参数设置的降维及分类 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第五章 不完整数据下的贝叶斯学习及应用 | 第50-61页 |
| ·引言 | 第50页 |
| ·缺失数据的定义 | 第50-51页 |
| ·在不完整数据下学习贝叶斯网络时存在的问题 | 第51-52页 |
| ·缺失数据处理方法 | 第52-56页 |
| ·改进的SEM算法及其在“内生五邪”医案中应用 | 第56-60页 |
| ·SEM算法存在的问题以及改进算法 | 第56-57页 |
| ·关于E-SEM算法实现的一些问题 | 第57-58页 |
| ·实验结果与分析 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表的论文 | 第67页 |
