基于机器学习的医疗健康分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国内研究现状 | 第14-15页 |
| 1.2.2 国外研究现状 | 第15-16页 |
| 1.3 论文结构 | 第16-17页 |
| 2 相关概念及算法 | 第17-29页 |
| 2.1 机器学习 | 第17-20页 |
| 2.1.1 机器学习方式 | 第17-19页 |
| 2.1.2 强化学习 | 第19页 |
| 2.1.3 遗传算法 | 第19-20页 |
| 2.2 人工神经网络与生物神经科学 | 第20-21页 |
| 2.3 健康档案与电子病历 | 第21-22页 |
| 2.4 分类算法概述 | 第22-28页 |
| 2.4.1 自动编码机 | 第22-23页 |
| 2.4.2 支持向量机 | 第23页 |
| 2.4.3 决策树 | 第23-24页 |
| 2.4.4 朴素贝叶斯 | 第24-25页 |
| 2.4.5 深度神经网络 | 第25-26页 |
| 2.4.6 卷积神经网络 | 第26-27页 |
| 2.4.7 循环神经网络 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 分类算法在公共医疗数据集上的性能比较 | 第29-42页 |
| 3.1 实验环境介绍 | 第29-31页 |
| 3.1.1 Anaconda | 第29页 |
| 3.1.2 Numpy | 第29页 |
| 3.1.3 Pandas | 第29-30页 |
| 3.1.4 Matplotlib | 第30页 |
| 3.1.5 Seaborn | 第30页 |
| 3.1.6 Tensorflow | 第30-31页 |
| 3.2 评价方法介绍 | 第31-32页 |
| 3.3 支持向量机 | 第32-34页 |
| 3.3.1 支持向量机概述 | 第32页 |
| 3.3.2 实验及分析 | 第32-34页 |
| 3.4 决策树 | 第34-35页 |
| 3.4.1 决策树概述 | 第34页 |
| 3.4.2 实验及分析 | 第34-35页 |
| 3.5 深度神经网络 | 第35-37页 |
| 3.5.1 深度神经网络概述 | 第35-36页 |
| 3.5.2 实验及分析 | 第36-37页 |
| 3.6 卷积神经网络 | 第37-41页 |
| 3.6.1 卷积神经网络概述 | 第37-39页 |
| 3.6.2 实验及分析 | 第39-41页 |
| 3.7 本章总结 | 第41-42页 |
| 4 基于医疗体检数据集的健康疾病分类研究 | 第42-60页 |
| 4.1 医学数据特点 | 第42-44页 |
| 4.2 数据分析 | 第44-45页 |
| 4.2.1 原始数据分析 | 第44-45页 |
| 4.2.2 数据预处理 | 第45页 |
| 4.3 搭建模型 | 第45-58页 |
| 4.3.1 激活函数 | 第45-48页 |
| 4.3.2 权重初始化 | 第48-52页 |
| 4.3.3 卷积神经网络搭建 | 第52-56页 |
| 4.3.4 实验及分析 | 第56-58页 |
| 4.4 本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 个人简历 | 第66页 |
| 参与项目及科研成果 | 第66页 |
