机器学习技术在医疗保险决策知识获取中的应用
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题背景 | 第11-17页 |
| ·我国基本医疗保险体系 | 第12-14页 |
| ·医疗保险决策支持系统技术 | 第14-15页 |
| ·机器学习技术 | 第15-17页 |
| ·课题研究内容 | 第17-18页 |
| ·研究目的和内容 | 第17-18页 |
| ·主要研究工作 | 第18页 |
| ·论文结构 | 第18-19页 |
| 第二章 医疗保险决策知识的学习系统 | 第19-27页 |
| ·医疗保险决策 | 第19-21页 |
| ·分析 | 第19-20页 |
| ·监管 | 第20页 |
| ·预测 | 第20-21页 |
| ·医疗保险决策支持系统 | 第21-23页 |
| ·医疗保险决策知识学习系统（INLEN） | 第23-27页 |
| ·学习系统的设计考虑 | 第23-25页 |
| ·INLEN学习系统结构 | 第25-27页 |
| 第三章 收不抵支风险判别知识的学习 | 第27-57页 |
| ·收不抵支风险判别决策树问题求解 | 第28-36页 |
| ·收不抵支风险判别决策树 | 第29-30页 |
| ·收不抵支风险目标属性和判别属性 | 第30-35页 |
| ·收不抵支风险判别决策树问题求解算法 | 第35-36页 |
| ·收不抵支风险判别决策树学习 | 第36-50页 |
| ·收不抵支风险判别决策树学习任务 | 第36-38页 |
| ·收不抵支风险判别决策树学习算法 | 第38-40页 |
| ·解决过度匹配问题的剪枝法 | 第40-42页 |
| ·收不抵支风险判别决策树的样例建立 | 第42-48页 |
| ·带相对贡献度的收不抵支风险判别决策树学习 | 第48-50页 |
| ·收不抵支风险判别决策树学习的实验分析 | 第50-57页 |
| ·实验方案 | 第50-55页 |
| ·结果分析 | 第55-57页 |
| 第四章 诊疗结构学习 | 第57-87页 |
| ·诊疗结构及其问题求解 | 第58-69页 |
| ·诊疗结构 | 第58-61页 |
| ·带约束条件的诊疗结构 | 第61-64页 |
| ·诊疗结构的应用 | 第64-69页 |
| ·诊疗结构的学习任务 | 第69-71页 |
| ·三类模式的学习 | 第71-78页 |
| ·诊疗结构的归纳学习 | 第78-81页 |
| ·诊疗结构差异函数的学习 | 第81-82页 |
| ·诊疗结构学习实验及结果分析 | 第82-87页 |
| 第五章 结束语 | 第87-89页 |
| ·本文的主要贡献 | 第87-88页 |
| ·进一步研究工作 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-92页 |
| 作者在学期间取得的学术成果 | 第92页 |
