基于中医四诊融合的心系证候分类方法研究及其应用实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题来源背景 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·课题研究意义 | 第9-10页 |
| ·中医证候分类的发展现状 | 第10-14页 |
| ·多元统计分析在证候分类中的应用 | 第10-12页 |
| ·人工智能方法在证候分类中的应用 | 第12-14页 |
| ·数据来源及简介 | 第14-15页 |
| ·数据来源 | 第14页 |
| ·病例纳入 | 第14-15页 |
| ·数据采集 | 第15页 |
| ·诊断标准 | 第15页 |
| ·研究内容及目标 | 第15-16页 |
| ·本文结构安排 | 第16-17页 |
| 第二章 智能方法及优化算法概述 | 第17-29页 |
| ·人工神经网络 | 第17-21页 |
| ·BP神经网络原理 | 第18-20页 |
| ·BP神经网络设计 | 第20-21页 |
| ·遗传算法优化BP神经网络 | 第21-24页 |
| ·BP神经网络的不足 | 第21页 |
| ·遗传算法原理 | 第21-22页 |
| ·遗传算法优化BP神经网络权值阈值 | 第22-24页 |
| ·SVM支持向量机 | 第24-26页 |
| ·支持向量机原理 | 第24-25页 |
| ·支持向量机分类方法 | 第25-26页 |
| ·PSO粒子群优化算法 | 第26-28页 |
| ·粒子群优化算法原理 | 第26页 |
| ·粒子群优化算法流程 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于遗传算法的BP神经网络应用 | 第29-38页 |
| ·数据筛选 | 第29-30页 |
| ·BP神经网络试验 | 第30-31页 |
| ·遗传算法优化神经网络试验 | 第31-34页 |
| ·讨论 | 第34-37页 |
| ·正确率讨论 | 第34-35页 |
| ·降维讨论 | 第35-36页 |
| ·四诊贡献度讨论 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 SVM支持向量机及其参数优化算法的应用 | 第38-48页 |
| ·LIBSVM工具箱简介 | 第38-39页 |
| ·SVM支持向量机试验 | 第39-44页 |
| ·GS网格搜索优化参数 | 第40-41页 |
| ·GA遗传算法优化参数 | 第41-43页 |
| ·PSO粒子群优化算法优化参数 | 第43-44页 |
| ·讨论 | 第44-46页 |
| ·正确率讨论 | 第44-45页 |
| ·降维讨论 | 第45-46页 |
| ·四诊贡献度讨论 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第五章 心系四诊融合诊断系统的实现 | 第48-58页 |
| ·开发平台和工具简介 | 第48-49页 |
| ·数据库设计 | 第49-55页 |
| ·数据库后台设计 | 第49页 |
| ·数据库结构设计 | 第49-50页 |
| ·数据库模块设计 | 第50-54页 |
| ·数据库连接实现 | 第54-55页 |
| ·诊断功能实现 | 第55-56页 |
| ·BP神经网络诊断过程实现 | 第55页 |
| ·SVM支持向量机诊断过程实现 | 第55-56页 |
| ·部署诊断系统应用程序 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-68页 |
| 攻读硕士期间已发表的论文 | 第68页 |
