摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第12-16页 |
1.1 课题研究背景和意义 | 第12-13页 |
1.2 本文的主要工作 | 第13-14页 |
1.3 本文结构安排 | 第14-15页 |
1.4 本章小结 | 第15-16页 |
第二章 研究现状和研究方法的基础理论 | 第16-23页 |
2.1 研究现状 | 第16-18页 |
2.1.1 疾病关联分析研究现状和不足 | 第16-17页 |
2.1.2 疾病趋势预测研究现状和不足 | 第17-18页 |
2.1.3 病人相似性度量的研究现状和不足 | 第18页 |
2.2 研究方法的基础理论 | 第18-22页 |
2.2.1 LDA主题模型 | 第18-21页 |
2.2.1.1 LDA模型介绍 | 第18-19页 |
2.2.1.2 Dirichlet分布 | 第19页 |
2.2.1.3 LDA模型生成过程 | 第19-20页 |
2.2.1.4 LDA模型参数估计 | 第20-21页 |
2.2.2 Hawkes模型数学原理及模型框架 | 第21-22页 |
2.2.2.1 Hawkes模型介绍 | 第21页 |
2.2.2.2 一维Hawkes模型及参数含义 | 第21-22页 |
2.2.2.3 多维Hawkes模型及参数含义 | 第22页 |
2.3 本章小结 | 第22-23页 |
第三章 基于准则学习的病人相似性度量 | 第23-40页 |
3.1 Pairwise算法框架 | 第23-29页 |
3.1.1 成对病人的监督信息 | 第23-25页 |
3.1.2 算法参数估计 | 第25-29页 |
3.2 实验数据描述 | 第29-30页 |
3.3 实验结果分析 | 第30-39页 |
3.3.1 Pairwise算法收敛性说明 | 第30-32页 |
3.3.2 松弛变量的说明 | 第32-34页 |
3.3.3 损失函数的说明 | 第34-35页 |
3.3.4 Pairwise算法准确性对比 | 第35-36页 |
3.3.5 对比典型非监督学习算法 | 第36-37页 |
3.3.6 病人群体合并的准则 | 第37-39页 |
3.4 本章小结 | 第39-40页 |
第四章 疾病关联分析 | 第40-54页 |
4.1 cLDA模型框架 | 第40-44页 |
4.1.1 cLDA模型的引入 | 第40-41页 |
4.1.2 cLDA生成过程 | 第41-42页 |
4.1.3 cLDA模型参数估计 | 第42-44页 |
4.2 实验数据描述 | 第44-46页 |
4.3 实验过程和实验假设 | 第46页 |
4.4 实验结果分析 | 第46-53页 |
4.4.1 疾病模式 | 第46-48页 |
4.4.2 患病时间模式 | 第48-50页 |
4.4.3 模型准确性判定 | 第50-51页 |
4.4.4 医学文献结果对比 | 第51页 |
4.4.5 cLDA准确性对比 | 第51-53页 |
4.5 本章小结 | 第53-54页 |
第五章 疾病趋势预测 | 第54-71页 |
5.1 KLIPI多维Hawkes概述 | 第54-55页 |
5.2 KLIPI多维Hawkes原理及框架 | 第55-59页 |
5.2.1 模型描述 | 第55页 |
5.2.2 个体体质因子 | 第55-57页 |
5.2.3 核函数学习 | 第57-58页 |
5.2.4 KLIPI模型参数估计 | 第58-59页 |
5.3 实验数据描述 | 第59-60页 |
5.4 实验结果分析 | 第60-65页 |
5.4.1 模型收敛性 | 第60-61页 |
5.4.2 案例研究 | 第61-62页 |
5.4.3 个人体质因子说明 | 第62-63页 |
5.4.4 疾病自然发病率说明 | 第63-64页 |
5.4.5 核函数学习 | 第64-65页 |
5.5 对比实验 | 第65-70页 |
5.5.1 体质因子 | 第66-67页 |
5.5.2 核函数学习 | 第67-69页 |
5.5.3 模型准确性对比 | 第69-70页 |
5.6 本章小结 | 第70-71页 |
全文总结 | 第71-72页 |
本文主要工作 | 第71-72页 |
附录A Pairwise算法检验指标列表 | 第72-74页 |
附录B KLIPI多维Hawkes模型研究125种疾病名称列表 | 第74-76页 |
参考文献 | 第76-81页 |
致谢 | 第81-82页 |
攻读硕士学位期间发表学术论文情况 | 第82-84页 |