| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及评述 | 第10-12页 |
| 1.3 研究目的和研究内容 | 第12-13页 |
| 1.4 文章结构 | 第13-14页 |
| 第2章 Ⅱ型糖尿病诊断原理及风险预测方法 | 第14-22页 |
| 2.1 糖尿病诊断原理 | 第14-17页 |
| 2.1.1 糖尿病概述 | 第14页 |
| 2.1.2 糖尿病发病因素分析 | 第14-15页 |
| 2.1.3 Ⅱ型糖尿病诊断指标分析 | 第15-17页 |
| 2.1.4 患病诊断 | 第17页 |
| 2.2 Ⅱ型糖尿病风险预测方法综述 | 第17-21页 |
| 2.2.1 时间序列模型预测 | 第17-18页 |
| 2.2.2 时间序列分析方法 | 第18-19页 |
| 2.2.3 人工神经网络模型预测 | 第19-20页 |
| 2.2.4 模型准确度评价标准 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 神经网络设计模型及数据预处理 | 第22-39页 |
| 3.1 神经网络原理 | 第22-30页 |
| 3.1.1 研究内容 | 第22-24页 |
| 3.1.2 BP神经网络结构 | 第24-26页 |
| 3.1.3 BP网络的学习及算法流程 | 第26-30页 |
| 3.2 糖尿病数据预处理 | 第30-38页 |
| 3.2.1 数据清洗 | 第30-32页 |
| 3.2.2 数据变换 | 第32-34页 |
| 3.2.3 PCA实现特征属性的降维 | 第34-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 Ⅱ型糖尿病患病风险预测模型的构建 | 第39-54页 |
| 4.1 时间序列的性质 | 第39-40页 |
| 4.1.1 时间序列概述 | 第39页 |
| 4.1.2 时间序列的预报 | 第39-40页 |
| 4.2 ARMA模型时间序列预测 | 第40-44页 |
| 4.2.1 ARMA模型 | 第40-41页 |
| 4.2.2 模型识别 | 第41-44页 |
| 4.3 基于MATLAB神经网络预测模型 | 第44-49页 |
| 4.3.1 BP神经网络模型参数估计 | 第44-48页 |
| 4.3.2 BP神经网络模型预测个体患病风险 | 第48-49页 |
| 4.4 时间序列ARMA模型对II型糖尿病患病风险预测 | 第49-53页 |
| 4.4.1 预测流程 | 第49页 |
| 4.4.2 趋势预测分析 | 第49-51页 |
| 4.4.3 模型构建 | 第51-53页 |
| 4.5 本章总结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-58页 |