| 摘要 | 第1-8页 |
| Abstract | 第8-17页 |
| 第1章 绪论 | 第17-26页 |
| ·研究背景和意义 | 第17-18页 |
| ·数据挖掘在生物医学数据中的研究及应用现状 | 第18-19页 |
| ·生物医学海量数据的生成及其特殊性 | 第19-20页 |
| ·医学数据资源中数据挖掘的应用领域 | 第20-21页 |
| ·生物医学数据中数据挖掘的研究方法 | 第21-22页 |
| ·数据挖掘算法的研究工具-SAS Enterprise Miner | 第22-23页 |
| ·本研究的主要内容 | 第23-24页 |
| ·参考文献 | 第24-26页 |
| 第2章 八种分类方法简介及SAS程序实现 | 第26-56页 |
| ·Logistic回归分析简介 | 第26-30页 |
| ·Bayes线性判别分析简介 | 第30-32页 |
| ·二次判别分析简介 | 第32-34页 |
| ·K-近邻法简介 | 第34-37页 |
| ·决策树方法简介 | 第37-38页 |
| ·ID3算法简介 | 第38-40页 |
| ·C4.5算法简介 | 第40-43页 |
| ·CART算法简介 | 第43-46页 |
| ·CHAID法简介 | 第46-50页 |
| ·BP神经网络简介 | 第50-54页 |
| ·参考文献 | 第54-56页 |
| 第3章 Monte Carlo模拟条件设置及模型的评价指标 | 第56-68页 |
| ·本研究模拟条件介绍 | 第56页 |
| ·多元分析的几个基本概念 | 第56-58页 |
| ·多元正态分布设置 | 第58-60页 |
| ·多元偏态分布设置 | 第60-61页 |
| ·混合分布设置 | 第61页 |
| ·变量为二分类变量条件设置 | 第61页 |
| ·先验概率设置 | 第61-62页 |
| ·变量间共线性设置 | 第62页 |
| ·分类模型的评价指标 | 第62-63页 |
| ·本研究设置条件下几种分布的概率密度图形 | 第63-67页 |
| ·参考文献 | 第67-68页 |
| 第4章 模拟结果与讨论 | 第68-171页 |
| ·多元正态分布模拟结果 | 第68-89页 |
| ·多元偏态分布模拟结果 | 第89-110页 |
| ·混合分布模拟结果 | 第110-132页 |
| ·分类分布数据模拟结果 | 第132-137页 |
| ·先验概率相等模拟结果 | 第137-151页 |
| ·变量间有共线性模拟结果 | 第151-161页 |
| ·讨论 | 第161-169页 |
| ·参考文献 | 第169-171页 |
| 第5章 实证分析 | 第171-187页 |
| ·实例一 判别分析应用 | 第171-176页 |
| ·实例二 logistic回归与神经网络联合应用 | 第176-181页 |
| ·实例三 决策树法应用 | 第181-186页 |
| ·参考文献 | 第186-187页 |
| 第6章 特色创新及设想 | 第187-189页 |
| ·本文的特色和创新点 | 第187-188页 |
| ·本研究的不足之处 | 第188页 |
| ·今后的设想 | 第188-189页 |
| 附录一 英(中)文索引 | 第189-191页 |
| 附录二 学习期间的科研情况 | 第191-193页 |
| 致谢 | 第193-194页 |