| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景与研究意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 数据挖掘在医疗领域的研究现状 | 第13-16页 |
| 1.2.2 糖尿病预防的国内外研究现状 | 第16-19页 |
| 1.2.3 研究评述 | 第19-20页 |
| 1.3 研究内容与研究方法 | 第20-23页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 研究方法 | 第21-23页 |
| 第2章 相关理论基础 | 第23-37页 |
| 2.1 数据挖掘概述 | 第23-24页 |
| 2.1.1 数据挖掘的基本概念 | 第23页 |
| 2.1.2 数据挖掘的基本流程 | 第23-24页 |
| 2.2 分类技术概述 | 第24-33页 |
| 2.2.1 决策树 | 第24-26页 |
| 2.2.2 人工神经网络 | 第26-30页 |
| 2.2.3 支持向量机 | 第30-33页 |
| 2.3 分类器评估方法概述 | 第33-36页 |
| 2.3.1 混淆矩阵 | 第33-35页 |
| 2.3.2 一致性检验 | 第35页 |
| 2.3.3 ROC曲线 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于单一分类器的2型糖尿病患病风险预测模型构建 | 第37-63页 |
| 3.1 数据来源 | 第37-38页 |
| 3.2 基于决策树C5.0 的2型糖尿病患病风险预测模型构建 | 第38-48页 |
| 3.2.1 医疗数据预处理 | 第38-40页 |
| 3.2.2 C5.0 算法在2型糖尿病预测中的应用 | 第40-42页 |
| 3.2.3 基于决策树C5.0 的预测模型实现 | 第42-48页 |
| 3.3 基于ANN的2型糖尿病患病风险预测模型构建 | 第48-55页 |
| 3.3.1 医疗数据预处理 | 第48-49页 |
| 3.3.2 ANN算法在2型糖尿病预测中应用 | 第49-52页 |
| 3.3.3 基于ANN的预测模型实现 | 第52-55页 |
| 3.4 基于SVM的2型糖尿病患病风险预测模型构建 | 第55-62页 |
| 3.4.1 医疗数据预处理 | 第55-56页 |
| 3.4.2 SVM算法在2型糖尿病预测中的应用 | 第56-58页 |
| 3.4.3 基于SVM的预测模型实现 | 第58-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第4章 基于单一分类器的2型糖尿病患病风险预测模型的评估及比较 | 第63-81页 |
| 4.1 决策树C5.0 预测模型的评估及比较 | 第63-67页 |
| 4.1.1 基于决策树C5.0 预测模型的混合矩阵评价 | 第63-65页 |
| 4.1.2 基于决策树C5.0 预测模型的Kappa检验 | 第65-66页 |
| 4.1.3 基于决策树C5.0 预测模型的ROC曲线 | 第66-67页 |
| 4.1.4 基于决策树C5.0 预测模型讨论及分析 | 第67页 |
| 4.2 ANN预测模型的评估及比较 | 第67-73页 |
| 4.2.1 基于ANN预测模型的混合矩阵评价 | 第67-70页 |
| 4.2.2 基于ANN预测模型的Kappa检验 | 第70-71页 |
| 4.2.3 基于ANN预测模型的ROC曲线 | 第71-72页 |
| 4.2.4 基于ANN预测模型的讨论及分析 | 第72-73页 |
| 4.3 SVM预测模型的评估与比较 | 第73-80页 |
| 4.3.1 基于SVM预测模型的混合矩阵评价 | 第73-77页 |
| 4.3.2 基于SVM预测模型的Kappa检验 | 第77页 |
| 4.3.3 基于SVM预测模型的ROC曲线 | 第77-79页 |
| 4.3.4 基于SVM预测模型的讨论及分析 | 第79-80页 |
| 4.4 本章小结 | 第80-81页 |
| 第5章 基于集成分类器的2型糖尿病患病风险预测模型研究 | 第81-108页 |
| 5.1 基于集成学习算法的研究及应用 | 第81-86页 |
| 5.1.1 Bagging算法及应用 | 第81-83页 |
| 5.1.2 Boosting算法及应用 | 第83-84页 |
| 5.1.3 Rotation Forest算法及应用 | 第84-86页 |
| 5.2 集成分类器在2型糖尿病风险预测中的应用 | 第86-96页 |
| 5.2.1 实验平台环境搭建 | 第86-88页 |
| 5.2.2 集成分类器实验组织及步骤 | 第88-91页 |
| 5.2.3 集成分类器构建及实现 | 第91-96页 |
| 5.3 集成分类器预测模型的评估与比较 | 第96-107页 |
| 5.3.1 集成分类器评估方法 | 第96-97页 |
| 5.3.2 集成分类器预测模型的混合矩阵评价 | 第97-103页 |
| 5.3.3 集成分类器预测模型的Kappa检验及误差分析 | 第103-107页 |
| 5.4 本章小结 | 第107-108页 |
| 结论 | 第108-110页 |
| 参考文献 | 第110-116页 |
| 附录1 原始实验数据 | 第116-119页 |
| 附录2 预处理后的部分属性数据 | 第119-122页 |
| 附录3 模型的预测结果数据 | 第122-126页 |
| 攻读硕士学位期间承担的科研项目与主要成果 | 第126-127页 |
| 致谢 | 第127页 |
