改进神经网络算法及其在慢性肾脏病智能诊断中的应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第7-10页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究的目的和意义 | 第7-9页 |
| 1.3 本文主要工作 | 第9页 |
| 1.4 本文的结构安排 | 第9-10页 |
| 第2章 研究现状和方法 | 第10-13页 |
| 2.1 国内的研究现状 | 第10-11页 |
| 2.2 国外的研究现状 | 第11-13页 |
| 第3章 相关算法研究 | 第13-26页 |
| 3.1 神经网络算法 | 第13-16页 |
| 3.1.1 人工神经网络简介 | 第13-14页 |
| 3.1.2 BP神经网络概述 | 第14页 |
| 3.1.3 BP神经网络的原理 | 第14-16页 |
| 3.1.4 BP神经网络的特点 | 第16页 |
| 3.2 概率神经网络算法 | 第16-18页 |
| 3.2.1 概率神经网络简介 | 第16-17页 |
| 3.2.2 概率神经网络原理 | 第17-18页 |
| 3.2.3 概率神经网络的特点 | 第18页 |
| 3.3 支持向量机算法 | 第18-22页 |
| 3.3.1 支持向量机的概念 | 第18-19页 |
| 3.3.2 支持向量机模型 | 第19-20页 |
| 3.3.3 二分类支持向量机 | 第20-21页 |
| 3.3.4 核函数 | 第21页 |
| 3.3.5 支持向量机的特点 | 第21-22页 |
| 3.3.6 多分类支持向量机 | 第22页 |
| 3.4 决策树算法 | 第22-26页 |
| 3.4.1 C5.0 决策树算法 | 第23页 |
| 3.4.2 信息熵 | 第23-24页 |
| 3.4.3 信息增益 | 第24-26页 |
| 第4章 改进算法研究 | 第26-33页 |
| 4.1 IGABPNN算法 | 第26-29页 |
| 4.1.1 佳点集理论初始化种群 | 第26-27页 |
| 4.1.2 遗传算法 | 第27-28页 |
| 4.1.3 建立IGABP模型 | 第28-29页 |
| 4.2 ADABOOST-PNN算法 | 第29-33页 |
| 4.2.1 Adaboost算法简介 | 第29-30页 |
| 4.2.2 Adaboost算法原理 | 第30-31页 |
| 4.2.3 建立Adaboost-PNN模型 | 第31-33页 |
| 第5章 仿真应用 | 第33-41页 |
| 5.1 实例仿真 | 第33-35页 |
| 5.1.1 数据的采集 | 第33页 |
| 5.1.2 数据分析 | 第33页 |
| 5.1.3 数据预处理 | 第33-34页 |
| 5.1.4 数据清理 | 第34页 |
| 5.1.5 数据的归一化处理 | 第34-35页 |
| 5.2 数据基本描述 | 第35-37页 |
| 5.3 仿真结果与分析 | 第37-39页 |
| 5.4 实验讨论 | 第39-41页 |
| 第6章 结论 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 作者简介 | 第47-48页 |
| 攻读硕士学位期间研究成果 | 第48页 |
