基于深度神经网络的中医药材推荐
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 中医药材推荐的研究背景和意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.3 论文的主要工作 | 第13-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 推荐算法与深度学习理论 | 第16-33页 |
| 2.1 推荐算法的发展历程 | 第16-18页 |
| 2.2 常用的推荐算法 | 第18-22页 |
| 2.2.1 协同过滤算法 | 第18-21页 |
| 2.2.2 基于内容的过滤算法 | 第21-22页 |
| 2.3 深度学习的发展历程 | 第22页 |
| 2.4 深度神经网络的概念和结构 | 第22-24页 |
| 2.5 常用的深度学习模型及技术 | 第24-28页 |
| 2.5.1 全连接神经网络 | 第24-26页 |
| 2.5.2 自编码器模型 | 第26-28页 |
| 2.6 深度学习在推荐系统中的应用 | 第28-32页 |
| 2.6.1 多层感知机在推荐系统中的应用 | 第28-30页 |
| 2.6.2 自编码器在推荐系统中的应用 | 第30-31页 |
| 2.6.3 其它深度神经网络在推荐系统中的应用 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 构建数据库 | 第33-36页 |
| 3.1 舌苔与中医药材 | 第33-34页 |
| 3.2 舌苔数据库的构建 | 第34-35页 |
| 3.2.1 舌苔数据库 | 第34-35页 |
| 3.2.2 中医药材推荐系统的数据集 | 第35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 舌苔图像特征提取 | 第36-41页 |
| 4.1 特征提取方法介绍 | 第36-38页 |
| 4.1.1 主成分分析算法 | 第36-37页 |
| 4.1.2 自编码器模型 | 第37-38页 |
| 4.2 训练过程 | 第38-39页 |
| 4.2.1 使用PCA提取特征 | 第38页 |
| 4.2.2 使用自编码器提取特征 | 第38-39页 |
| 4.3 舌苔图像特征提取的结果与分析 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 中医药材推荐与处方生成 | 第41-63页 |
| 5.1 模型介绍 | 第41-47页 |
| 5.1.1 矩阵分解模型简介 | 第44-45页 |
| 5.1.2 RecHerbs模型结构 | 第45-47页 |
| 5.2 评价指标 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-61页 |
| 5.4 本章小结 | 第61-63页 |
| 总结与展望 | 第63-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
