基于复杂网络特征的临床分类分析方法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-17页 |
| ·研究背景 | 第11-13页 |
| ·现代医学技术和社会健康问题 | 第11-12页 |
| ·大数据时代与物联网 | 第12-13页 |
| ·研究现状 | 第13-14页 |
| ·体征时间序列数据分析 | 第13页 |
| ·中医证候预测研究 | 第13-14页 |
| ·问题的提出和意义 | 第14-16页 |
| ·体征时间序列数据与中医症状关系 | 第14页 |
| ·辨证的主观性和证候关系 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 2 中医临床数据挖掘方法 | 第17-29页 |
| ·复杂网络及网络特征 | 第17-19页 |
| ·度分布和幂律拟合 | 第17-18页 |
| ·网络特征 | 第18-19页 |
| ·时间序列数据分析 | 第19-23页 |
| ·多尺度熵 | 第19-21页 |
| ·可视图方法 | 第21-23页 |
| ·链路预测 | 第23-27页 |
| ·Prince链路预测 | 第24-25页 |
| ·基于超图模型的链路预测 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 3 基于复杂网络特征的体征时间序列数据分类分析 | 第29-43页 |
| ·生理体征时间序列数据 | 第29-31页 |
| ·分形与体征时间序列数据 | 第29-30页 |
| ·体征时间序列网络化 | 第30-31页 |
| ·实验数据 | 第31-34页 |
| ·标准心率数据 | 第31-32页 |
| ·老年人体征时间序列数据 | 第32-34页 |
| ·体征时间序列数据分类分析及探讨 | 第34-42页 |
| ·基于可视图方法的标准心率时间序列数据分析 | 第34-37页 |
| ·基于可视图方法的老年人体征的分类分析 | 第37-39页 |
| ·基于多尺度熵的老年人体征时间序列数据分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于复杂网络特征的中医证候预测 | 第43-58页 |
| ·中医辨证问题 | 第43-44页 |
| ·辨证问题的定义 | 第43页 |
| ·中医辨证的复杂性 | 第43-44页 |
| ·多标签分类 | 第44-47页 |
| ·多标签分类 | 第44-45页 |
| ·标签量的评价 | 第45-46页 |
| ·多标签分类评价指标 | 第46-47页 |
| ·多标签分类平台MULAN | 第47页 |
| ·基于DIAMOND算法的症状扩展 | 第47-48页 |
| ·基于证候关系的证候预测 | 第48-50页 |
| ·基于Prince算法的证候预测 | 第48-49页 |
| ·基于超图模型的证候预测 | 第49-50页 |
| ·实验结果和分析 | 第50-57页 |
| ·Prince证候预测 | 第51-53页 |
| ·DIAMOND症状扩展和Prince证候预测 | 第53-55页 |
| ·超图模型证候预测 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 结论与展望 | 第58-60页 |
| ·工作总结 | 第58页 |
| ·讨论与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
