| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-16页 |
| 1.1 问题的提出及研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 迁移学习研究现状 | 第8-12页 |
| 1.2.2 肝纤维化无创诊断研究现状 | 第12-14页 |
| 1.3 本文的研究内容与创新 | 第14页 |
| 1.4 本文的结构安排 | 第14-16页 |
| 2 经典机器学习方法在肝纤维化等级分类模型中的应用 | 第16-27页 |
| 2.1 符号解释与算法介绍 | 第16-21页 |
| 2.1.1 决策树 | 第16-19页 |
| 2.1.2 支持向量机(SVM) | 第19-21页 |
| 2.2 数据预处理与特征构造 | 第21-24页 |
| 2.2.1 数据预处理 | 第22-23页 |
| 2.2.2 特征构造 | 第23-24页 |
| 2.3 算法实现及实验结果 | 第24-25页 |
| 2.3.1 决策树 | 第24-25页 |
| 2.3.2 支持向量机 | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 迁移成分分析(TCA)在肝纤维化等级分类模型中的应用 | 第27-32页 |
| 3.1 引言 | 第27页 |
| 3.2 迁移成分分析(TCA) | 第27-30页 |
| 3.3 算法实现及实验结果 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 联合分布适配(JDA)在肝纤维化等级分类模型中的应用 | 第32-38页 |
| 4.1 引言 | 第32页 |
| 4.2 联合分布适配(JDA) | 第32-34页 |
| 4.3 算法实现及实验结果 | 第34-36页 |
| 4.4 几种肝纤维化无创诊断模型效果比较 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 5 总结与展望 | 第38-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 附录 | 第43-56页 |
