| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 分类器解释性研究的国内外现状 | 第9-11页 |
| 1.2.2 计算机疾病辅助诊断研究的国内外现状 | 第11-13页 |
| 1.3 论文主要内容 | 第13页 |
| 1.4 本文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 随机森林算法理论基础 | 第15-25页 |
| 2.1 决策树算法 | 第15-18页 |
| 2.1.1 ID3算法 | 第16-17页 |
| 2.1.2 C4.5算法 | 第17页 |
| 2.1.3 CART算法 | 第17-18页 |
| 2.1.4 决策树算法优缺点 | 第18页 |
| 2.2 Bagging算法 | 第18-20页 |
| 2.3 随机森林算法理论 | 第20-24页 |
| 2.3.1 随机森林基础定义 | 第20页 |
| 2.3.2 随机森林构建过程 | 第20-22页 |
| 2.3.3 随机森林相关性质 | 第22-23页 |
| 2.3.4 随机森林算法优缺点 | 第23-24页 |
| 2.3.5 随机森林在疾病辅助诊断中的应用研究 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 随机森林结合t-SNE的分类方法研究 | 第25-41页 |
| 3.1 引言 | 第25-26页 |
| 3.2 t-SNE可视化随机森林 | 第26-30页 |
| 3.2.1 随机森林相似性度量矩阵 | 第26-27页 |
| 3.2.2 t-SNE基础算法 | 第27-30页 |
| 3.2.3 t-SNE在可视化随机森林中的应用 | 第30页 |
| 3.3 基于随机森林结合t-SNE的分类方法 | 第30-32页 |
| 3.3.1 方法总体设计 | 第30-31页 |
| 3.3.2 算法流程 | 第31-32页 |
| 3.4 在胎儿心率诊断中的应用 | 第32-39页 |
| 3.4.1 胎儿心率数据集描述 | 第32-34页 |
| 3.4.2 方法设置与性能评估 | 第34-35页 |
| 3.4.3 实验结果与分析 | 第35-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 随机森林规则提取研究 | 第41-60页 |
| 4.1 概述 | 第41页 |
| 4.2 规则提取方法 | 第41-44页 |
| 4.2.1 直接方法 | 第42-43页 |
| 4.2.2 间接方法 | 第43-44页 |
| 4.3 基于决策树筛选与稀疏编码的随机森林规则提取 | 第44-50页 |
| 4.3.1 决策树筛选 | 第44-46页 |
| 4.3.2 随机森林二进制编码转换 | 第46-47页 |
| 4.3.3 稀疏编码规则提取与特征消除 | 第47-49页 |
| 4.3.4 算法流程 | 第49-50页 |
| 4.4 在胎儿心率诊断中的应用 | 第50-59页 |
| 4.4.1 胎儿心率数据采集 | 第51页 |
| 4.4.2 数据预处理与特征提取 | 第51-54页 |
| 4.4.3 实验结果与分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 讨论与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 个人简历、在学期间的科研项目与科研成果 | 第68页 |