多粒度时间序列及其在ICU医学预测应用的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究概况 | 第10-13页 |
| 1.3 ICU生死预测评估标准 | 第13-14页 |
| 1.3.1 可区分性 | 第13-14页 |
| 1.3.2 校准性 | 第14页 |
| 1.4 数据挖掘方法存在的问题 | 第14-15页 |
| 1.5 本文的研究工作 | 第15-16页 |
| 1.6 本文的组织结构 | 第16-18页 |
| 第2章 相关理论和技术介绍 | 第18-26页 |
| 2.1 时间序列数据挖掘 | 第18-19页 |
| 2.2 数据挖掘经典算法 | 第19-21页 |
| 2.2.1 K-Means算法 | 第19-20页 |
| 2.2.2 X-Means算法 | 第20页 |
| 2.2.3 支持向量机算法 | 第20页 |
| 2.2.4 人工神经网络算法 | 第20-21页 |
| 2.2.5 决策树算法 | 第21页 |
| 2.3 粒计算 | 第21-25页 |
| 2.3.1 粒计算思想综述 | 第21-24页 |
| 2.3.2 时间序列中的粒计算 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于粒计算思想的ICU多粒度时间序列模型 | 第26-38页 |
| 3.1 多粒度时间序列及其基本概念 | 第26-29页 |
| 3.2 ICU多粒度时间序列信息系统 | 第29-33页 |
| 3.3 ICU多粒度时间序列的特殊时间粒 | 第33-37页 |
| 3.3.1 最优时间粒度 | 第33-35页 |
| 3.3.2 弹性时间粒 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于两阶段混合算法框架的ICU医学预测 | 第38-53页 |
| 4.1 ICU数据集来源及数据特点分析 | 第38-43页 |
| 4.1.1 ICU实验数据集介绍 | 第38-39页 |
| 4.1.2 实验数据集数据特点分析 | 第39-43页 |
| 4.2 混合算法框架 | 第43-45页 |
| 4.2.1 第一阶段 | 第43-44页 |
| 4.2.2 第二阶段 | 第44-45页 |
| 4.3 核心算法 | 第45-52页 |
| 4.3.1 缺失数据填充算法 | 第45-49页 |
| 4.3.2 带有时序性的曲线相似性计算算法 | 第49-50页 |
| 4.3.3 聚类算法 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 ICU医学预测实现 | 第53-69页 |
| 5.1 算法实现工具介绍 | 第53-54页 |
| 5.2 采用的评估指标和生理指标 | 第54-60页 |
| 5.2.1 评估指标 | 第54页 |
| 5.2.2 生理指标 | 第54-60页 |
| 5.3 实验结果与分析 | 第60-68页 |
| 5.3.1 纵向结果比对 | 第60-67页 |
| 5.3.2 横向结果比对 | 第67-68页 |
| 5.3.3 实验总结 | 第68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 附录A 实验数据集中ICU病员生理属性介绍 | 第77-79页 |
| 攻读学位期间的研究成果 | 第79页 |
