| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 引言 | 第12页 |
| 1.2 对医院重要指标预测的研究现状 | 第12-14页 |
| 1.3 医院绩效管理系统的研究现状 | 第14-15页 |
| 1.4 课题的研究意义 | 第15-16页 |
| 1.5 本文的研究内容及章节安排 | 第16-18页 |
| 1.5.1 研究内容 | 第16页 |
| 1.5.2 章节安排 | 第16-18页 |
| 第2章 模式识别 | 第18-26页 |
| 2.1 模式识别的概念及特征 | 第18页 |
| 2.2 模式识别系统 | 第18-19页 |
| 2.3 模式识别的主要方法 | 第19-20页 |
| 2.4 数据来源及数据预处理的方法 | 第20-23页 |
| 2.4.1 实验数据的来源 | 第20页 |
| 2.4.2 数学建模模型 | 第20-21页 |
| 2.4.3 数据的预处理 | 第21-23页 |
| 2.5 模型预测的结果评价标准 | 第23-26页 |
| 第3章 人工神经网络算法 | 第26-46页 |
| 3.1 神经网络的基本概念 | 第26-29页 |
| 3.1.1 人工神经元 | 第26-27页 |
| 3.1.2 网络结构的传递函数 | 第27-28页 |
| 3.1.3 神经网络的结构 | 第28页 |
| 3.1.4 神经网络的学习方式 | 第28-29页 |
| 3.2 自组织特征映射网络 | 第29-31页 |
| 3.3 径向基函数神经网络 RBF | 第31-33页 |
| 3.3.1 RBF 网络的结构和学习方法 | 第31-32页 |
| 3.3.2 RBF 网络算法的步骤 | 第32-33页 |
| 3.4 RBF 神经网络算法的数据预测 | 第33-44页 |
| 3.4.1 对未插值的数据的 RBF 预测 | 第33-38页 |
| 3.4.2 对插值的数据的 RBF 预测 | 第38-44页 |
| 3.5 人工神经网络的特点和应用 | 第44-46页 |
| 第4章 果蝇优化算法 | 第46-60页 |
| 4.1 演化式计算与群体智能 | 第46页 |
| 4.2 果蝇的觅食行为与果蝇算法 | 第46-48页 |
| 4.2.1 果蝇的觅食过程 | 第46-47页 |
| 4.2.2 果蝇算法 | 第47-48页 |
| 4.3 果蝇优化算法的应用领域 | 第48-49页 |
| 4.4 果蝇优化 RBF 神经网络算法 | 第49-50页 |
| 4.4.1 果蝇优化 RBF 神经网络的基本思想 | 第49页 |
| 4.4.2 FOA-RBF 算法的具体步骤 | 第49-50页 |
| 4.5 FOA-RBF 算法的数据预测 | 第50-60页 |
| 4.5.1 利用 FOA-RBF 算法对数据进行预测 | 第50-56页 |
| 4.5.2 对医院其余的数据进行预测 | 第56-60页 |
| 第5章 可拓学及其模式识别 | 第60-74页 |
| 5.1 可拓学的概论 | 第60页 |
| 5.2 可拓集合 | 第60-62页 |
| 5.2.1 可拓集合的相关定义 | 第60-61页 |
| 5.2.2 物元可拓集合 | 第61-62页 |
| 5.3 可拓工程的基本理论 | 第62-63页 |
| 5.3.1 可拓工程的基本思想 | 第62-63页 |
| 5.3.2 可拓工程的基本工具 | 第63页 |
| 5.4 可拓聚类预测的物元模型 | 第63-64页 |
| 5.5 可拓学的应用 | 第64-65页 |
| 5.6 可拓-神经网络模型 | 第65-66页 |
| 5.7 可拓-神经网络对科室各指标的分类评价 | 第66-74页 |
| 5.7.1 利用 30 个月的数据做分类评价 | 第66-70页 |
| 5.7.2 利用当月的数据进行分类评价 | 第70-74页 |
| 第6章 总结 | 第74-78页 |
| 6.1 实验总结 | 第74-75页 |
| 6.1.1 预测实验总结 | 第74页 |
| 6.1.2 科室绩效类别评价实验总结 | 第74-75页 |
| 6.2 总结 | 第75-76页 |
| 6.3 展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 作者简介及科研成果 | 第84-86页 |
| 致谢 | 第86-87页 |