| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要研究内容与方法 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-15页 |
| 第2章 相关理论与技术 | 第15-29页 |
| 2.1 特征降维方法介绍 | 第15-20页 |
| 2.1.1 特征降维方法概述 | 第15-16页 |
| 2.1.2 特征选择方法介绍 | 第16-19页 |
| 2.1.3 特征提取方法介绍 | 第19-20页 |
| 2.2 分类算法介绍 | 第20-24页 |
| 2.2.1 分类算法概述 | 第20-21页 |
| 2.2.2 常见的分类算法介绍 | 第21-24页 |
| 2.3 集成学习算法介绍 | 第24-27页 |
| 2.3.1 集成学习算法概述 | 第24-25页 |
| 2.3.2 常见的集成学习方法介绍 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 医疗数据预处理方法的研究 | 第29-41页 |
| 3.1 医疗数据特点分析 | 第29-31页 |
| 3.2 医疗数据预处理 | 第31-35页 |
| 3.2.1 数据抽取 | 第31-32页 |
| 3.2.2 数据清洗 | 第32-33页 |
| 3.2.3 数据变换 | 第33-35页 |
| 3.3 医疗数据降维方法研究 | 第35-40页 |
| 3.3.1 医疗数据降维目的 | 第35-36页 |
| 3.3.2 医疗数据降维方法 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 疾病辅助诊断方法的研究 | 第41-57页 |
| 4.1 疾病辅助诊断模型的建立 | 第41-44页 |
| 4.1.1 基于C4.5的基分类器的构建 | 第41-42页 |
| 4.1.2 基于AdaBoost的疾病辅助诊断方法 | 第42-44页 |
| 4.2 Adaboost算法改进 | 第44-49页 |
| 4.2.1 基于采样方式的改进 | 第44-46页 |
| 4.2.2 基于损失函数的改进 | 第46-49页 |
| 4.3 实验与结果分析 | 第49-56页 |
| 4.3.1 特征选择实验及结果分析 | 第51-52页 |
| 4.3.2 V-AdaBoost算法实验及结果分析 | 第52-55页 |
| 4.3.3 L-AdaBoost算法实验及结果分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 疾病辅助诊断系统的实现 | 第57-71页 |
| 5.1 疾病辅助诊断系统设计 | 第57-60页 |
| 5.1.1 系统功能模块设计 | 第57-58页 |
| 5.1.2 系统模块框架设计 | 第58-60页 |
| 5.2 疾病辅助诊断系统实现 | 第60-70页 |
| 5.2.1 数据预处理模块的实现 | 第60-64页 |
| 5.2.2 疾病诊断模型管理模块的实现 | 第64-68页 |
| 5.2.3 疾病诊断管理模块的实现 | 第68-70页 |
| 5.3 系统开发环境配置 | 第70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71页 |
| 6.2 工作展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75页 |
