| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 文本分类技术发展概况 | 第10-12页 |
| 1.3 研究课题的来源 | 第12页 |
| 1.4 主要研究内容 | 第12-13页 |
| 1.5 论文章节安排 | 第13-15页 |
| 第2章 相关算法基础理论的分析与研究 | 第15-29页 |
| 2.1 特征选择技术概要 | 第15-17页 |
| 2.1.1 特征选择概念的基本介绍 | 第15页 |
| 2.1.2 特征选择的算法 | 第15-17页 |
| 2.2 支持向量机简介 | 第17-24页 |
| 2.2.1 统计学习理论 | 第18-20页 |
| 2.2.2 支持向量机 | 第20-24页 |
| 2.3 遗传算法简介 | 第24-28页 |
| 2.3.1 遗传算法的基本概念 | 第24-25页 |
| 2.3.2 遗传算法的基本原理 | 第25-27页 |
| 2.3.3 遗传算法的基本计算过程 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于SVM的病案文本分类模型 | 第29-35页 |
| 3.1 模型简介 | 第29-30页 |
| 3.2 病案样本的采集及处理 | 第30-32页 |
| 3.2.1 病案文本表示及特征提取 | 第30-32页 |
| 3.2.2 病案样本数据的预处理 | 第32页 |
| 3.3 病案文本SVM模型核函数的选择 | 第32-33页 |
| 3.4 病案文本SVM模型建模的流程 | 第33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 基于GA_ SVM的病案文本分类模型 | 第35-47页 |
| 4.1 简介 | 第35页 |
| 4.2 GA_SVM模型优化的原理 | 第35-37页 |
| 4.2.1 GA优化SVM参数和选择特征值的原因 | 第35-36页 |
| 4.2.2 优化特征选择原理 | 第36-37页 |
| 4.2.3 优化SVM参数原理 | 第37页 |
| 4.3 建立GA_SVM优化文本病案模型 | 第37-45页 |
| 4.3.1 GA优化选择病案文本特征值基本思路 | 第37-41页 |
| 4.3.2 GA优化病案文本分类的SVM参数基本思路 | 第41-43页 |
| 4.3.3 基于GA_SVM的文本病案优化实现 | 第43-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 模型结果验证及其在系统中的应用 | 第47-65页 |
| 5.1 样本数据的获取及预处理 | 第47-50页 |
| 5.1.1 样本数据的获取 | 第47-48页 |
| 5.1.2 样本数据的预处理 | 第48-50页 |
| 5.2 算法需求 | 第50-51页 |
| 5.2.1 类库需求 | 第50页 |
| 5.2.2 SVM参数设置需求 | 第50-51页 |
| 5.3 模型准确率实证 | 第51-58页 |
| 5.3.1 研究内容 | 第51-52页 |
| 5.3.2 模型运行仿真 | 第52-55页 |
| 5.3.3 运行结果分析 | 第55-58页 |
| 5.4 智能导医挂号系统概述及结构 | 第58-64页 |
| 5.4.1 智能导医挂号系统概述 | 第58页 |
| 5.4.2 智能导医挂号系统结构 | 第58-60页 |
| 5.4.3 GA_SVM在疾病未确诊模块中的应用 | 第60-61页 |
| 5.4.4 系统运行效果 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间所发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |