| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文工作 | 第13-16页 |
| 第2章 传统的糖尿病饮食推荐 | 第16-29页 |
| 2.1 食物交换份法 | 第16-18页 |
| 2.2 传统糖尿病饮食推荐算法 | 第18-28页 |
| 2.2.1 基于关联规则的糖尿病饮食推荐算法 | 第18-20页 |
| 2.2.2 基于内容的糖尿病饮食推荐算法 | 第20-22页 |
| 2.2.3 基于层次分析的糖尿病饮食推荐算法 | 第22-23页 |
| 2.2.4 基于协同过滤的糖尿病饮食推荐算法 | 第23-26页 |
| 2.2.5 基于约束的糖尿病饮食推荐算法 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 概率矩阵分解和Adaboost分类器 | 第29-37页 |
| 3.1 兴趣点签到频率问题的衍生 | 第29-30页 |
| 3.2 概率矩阵和泊松因子 | 第30-33页 |
| 3.2.1 概率矩阵分解 | 第30-32页 |
| 3.2.2 泊松因子模型 | 第32-33页 |
| 3.2.3 概率矩阵分解和泊松分布模型的可行性比较 | 第33页 |
| 3.3 Adaboost分类器 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 面向糖尿病患者饮食偏好特征的个性化饮食推荐算法 | 第37-52页 |
| 4.1 问题定义 | 第37-39页 |
| 4.2 引入Adaboost概率矩阵分解的糖尿病个性化饮食推荐算法 | 第39-44页 |
| 4.2.1 引入Adaboost分类器的概率矩阵分解 | 第39-41页 |
| 4.2.2 Adaboost分类器在概率矩阵分解中对性化要求和医学标准的判定 | 第41-44页 |
| 4.3 实验分析 | 第44-50页 |
| 4.3.1 数据集介绍 | 第44页 |
| 4.3.2 实验评价指标 | 第44页 |
| 4.3.3 对比实验方法 | 第44-45页 |
| 4.3.4 实验结果分析 | 第45-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
