| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究的目的与意义 | 第9-10页 |
| 1.3 研究内容及组织结构 | 第10-12页 |
| 1.3.1 研究内容 | 第10页 |
| 1.3.2 文章结构 | 第10-12页 |
| 第二章 平台总体设计与相关技术 | 第12-21页 |
| 2.1 服务定义 | 第12页 |
| 2.2 总体结构 | 第12-18页 |
| 2.2.1 平台网络结构 | 第13-15页 |
| 2.2.2 平台数据结构 | 第15-16页 |
| 2.2.3 平台结构展示 | 第16-18页 |
| 2.3 关键技术 | 第18-19页 |
| 2.3.1 机器学习技术简介 | 第18-19页 |
| 2.3.2 分布式处理技术简介 | 第19页 |
| 2.3.3 数据可视化技术简介 | 第19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 智慧健康服务中机器学习技术的应用 | 第21-36页 |
| 3.1 服务设计 | 第22-24页 |
| 3.1.1 服务流程 | 第23页 |
| 3.1.2 数据格式 | 第23-24页 |
| 3.2 服务建模 | 第24-29页 |
| 3.2.1 算法原理 | 第25-28页 |
| 3.2.2 参数选择 | 第28-29页 |
| 3.3 算法优化 | 第29-34页 |
| 3.3.1 基于权值投票的改进K近邻分类算法 | 第29-31页 |
| 3.3.2 基于权值累加门限的改进K近邻分类算法 | 第31-34页 |
| 3.4 服务实现 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 智慧健康服务中分布式处理技术的应用 | 第36-56页 |
| 4.1 智慧健康服务平台中的分布式存储技术 | 第36-44页 |
| 4.1.1 HDFS系统原理 | 第36-39页 |
| 4.1.2 HDFS在智慧健康服务平台中的引入 | 第39-44页 |
| 4.2 智慧健康服务平台中的分布式计算技术 | 第44-49页 |
| 4.2.1 Google的MapReduce编程模型 | 第45-48页 |
| 4.2.2 MapReduce在智慧健康服务平台中的引入 | 第48-49页 |
| 4.3 延时健康服务的设计与实现 | 第49-55页 |
| 4.3.1 服务流程 | 第49-51页 |
| 4.3.2 服务实现 | 第51-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56页 |
| 5.2 未来展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录1 程序清单 | 第60-61页 |
| 附录2 攻读硕士学位期间申请的专利 | 第61-62页 |
| 附录3 攻读硕士学位期间参加科研项目 | 第62-63页 |
| 致谢 | 第63页 |