| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-19页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 医疗健康大数据研究现状 | 第10-13页 |
| 1.2.2 深度学习研究现状 | 第13-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 整体框架结构 | 第16-18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 机器学习基本理论概述 | 第19-36页 |
| 2.1 传统神经网络基本理论概述 | 第19-25页 |
| 2.1.1 机器学习的类别 | 第20页 |
| 2.1.2 神经网络的原理与模型 | 第20-23页 |
| 2.1.3 神经网络的反向传播算法 | 第23-24页 |
| 2.1.4 梯度检验 | 第24-25页 |
| 2.2 深度学习概述 | 第25-28页 |
| 2.2.1 深度学习的基本概念 | 第26-27页 |
| 2.2.2 深度学习思想分析 | 第27-28页 |
| 2.3 深度神经网络基本模型 | 第28-35页 |
| 2.3.1 自动编码 | 第28-29页 |
| 2.3.2 栈式自动编码 | 第29-30页 |
| 2.3.3 受限玻尔兹曼机 | 第30页 |
| 2.3.4 深度置信网络 | 第30-32页 |
| 2.3.5 卷积神经网络 | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 基于卷积神经网络的生理数据特征提取方法 | 第36-45页 |
| 3.1 特征学习总体框架 | 第36-37页 |
| 3.2 数据预处理 | 第37-38页 |
| 3.3 卷积神经网络特征学习模型 | 第38-40页 |
| 3.4 卷积神经网络参数训练 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 基于多元高斯分布的健康状态评估模型 | 第45-51页 |
| 4.1 高斯分布概述 | 第45-48页 |
| 4.1.1 一元高斯分布 | 第45页 |
| 4.1.2 二元高斯分布 | 第45-48页 |
| 4.1.3 多元高斯分布 | 第48页 |
| 4.2 基于多元高斯分布的健康状态评估模型 | 第48-49页 |
| 4.3 基于K-MEANS算法的健康状态等级数量分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 系统实验与仿真 | 第51-58页 |
| 5.1 软件平台及硬件组成 | 第51页 |
| 5.2 生理数据集来源 | 第51-52页 |
| 5.3 仿真实验与结果分析 | 第52-57页 |
| 5.3.1 网络训练与特征学习 | 第52-54页 |
| 5.3.2 健康状态评估 | 第54-57页 |
| 5.3.3 实验结果分析 | 第57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65页 |
| A. 作者在攻读学位期间发表的论文及专利 | 第65页 |
| B. 作者在攻读学位期间参与的科研项目 | 第65页 |
| C. 作者在攻读硕士学位期间获得的荣誉 | 第65页 |