远程会诊服务质量测评及优化策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 服务质量评价现状 | 第11-14页 |
| 1.2.2 远程会诊质量评价现状 | 第14-16页 |
| 1.2.3 研究现状评析 | 第16页 |
| 1.3 研究的主要内容、方法和思路 | 第16-19页 |
| 1.3.1 研究的主要内容 | 第16-17页 |
| 1.3.2 研究方法 | 第17-18页 |
| 1.3.3 研究思路 | 第18-19页 |
| 1.4 主要创新点 | 第19-20页 |
| 2 相关概念界定与理论方法 | 第20-27页 |
| 2.1 远程会诊服务质量界定 | 第20-21页 |
| 2.2 语言信息评价 | 第21-22页 |
| 2.3 机器学习算法 | 第22-26页 |
| 2.3.1 相似性度量算法 | 第22-23页 |
| 2.3.2 聚类算法 | 第23-25页 |
| 2.3.3 BP神经网络算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 远程会诊服务质量多维测评指标体系构建 | 第27-41页 |
| 3.1 远程会诊服务质量测评指标选取 | 第27-30页 |
| 3.1.1 主维度选取 | 第27-28页 |
| 3.1.2 影响因素选取 | 第28-30页 |
| 3.2 初始测评指标体系构建 | 第30-33页 |
| 3.3 基于语言信息评价的关键指标识别 | 第33-40页 |
| 3.3.1 语言信息评价 | 第33-35页 |
| 3.3.2 关键指标识别 | 第35-39页 |
| 3.3.3 关键指标确定 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于机器学习的数据预处理 | 第41-48页 |
| 4.1 数据信息的获取与预处理 | 第41-43页 |
| 4.1.1 数据获取 | 第41页 |
| 4.1.2 数据集成与清洗 | 第41-42页 |
| 4.1.3 数据转换 | 第42-43页 |
| 4.2 文本数据处理 | 第43-45页 |
| 4.2.1 文本分词 | 第43-44页 |
| 4.2.2 相似度测算 | 第44-45页 |
| 4.3 基于K-Means算法的分类数据处理 | 第45-47页 |
| 4.3.1 K-Means原理 | 第45-46页 |
| 4.3.2 数据分类 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 远程会诊服务质量优化建模与仿真 | 第48-72页 |
| 5.1 优化问题提出 | 第48-49页 |
| 5.2 优化模型构建 | 第49-52页 |
| 5.2.1 建模思想 | 第49-50页 |
| 5.2.2 GA_BP优化模型构建 | 第50-52页 |
| 5.3 仿真分析 | 第52-69页 |
| 5.3.1 实验准备 | 第52页 |
| 5.3.2 初始配置 | 第52-53页 |
| 5.3.3 模型训练与权重计算 | 第53-57页 |
| 5.3.4 预测结果分析 | 第57-69页 |
| 5.4 优化策略 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第79-80页 |
| 致谢 | 第80页 |
