面向慢性乙型肝炎病例的多标记学习应用研究与实现
| 摘要 | 第1-6页 |
| abstract | 第6-9页 |
| 专用术语注释表 | 第9-11页 |
| 第一章 绪论 | 第11-14页 |
| ·选题的背景及意义 | 第11-12页 |
| ·数据挖掘在医学中的应用现状 | 第12页 |
| ·本文的主要研究工作与章节安排 | 第12-14页 |
| 第二章 多标记学习的理论基础 | 第14-31页 |
| ·多标记学习的统计学基础与分类概念 | 第14-17页 |
| ·机器学习理论 | 第14-15页 |
| ·机器学习统计学表示 | 第15页 |
| ·多标记分类概念 | 第15-16页 |
| ·多标记数据集测量方法 | 第16-17页 |
| ·多标记数据分类划分 | 第17-18页 |
| ·问题转化方法 | 第17-18页 |
| ·算法适应方法 | 第18页 |
| ·多标记数据分类策略 | 第18-27页 |
| ·一阶代表算法 | 第19-22页 |
| ·二阶代表算法 | 第22-24页 |
| ·高阶代表算法 | 第24-27页 |
| ·评价指标 | 第27-30页 |
| ·基于样例的评价指标 | 第27-28页 |
| ·基于标记的评价指标 | 第28-29页 |
| ·基于排序的评价指标 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 慢性乙型肝炎传染病学概述 | 第31-34页 |
| ·乙型肝炎病毒（HBV） | 第31页 |
| ·慢性乙型肝炎流行病学特征与临床表现 | 第31-32页 |
| ·实验室检查指标 | 第32页 |
| ·血清免疫学和分子生物学标记物 | 第32页 |
| ·肝功能检测 | 第32页 |
| ·慢性乙型肝炎的药物治疗 | 第32-33页 |
| ·对症药物治疗 | 第32页 |
| ·抗HBV药物治疗 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 病例数据集构造与多标记算法映射 | 第34-40页 |
| ·病例多标记数据集构造 | 第34页 |
| ·特征信息降维 | 第34-37页 |
| ·信息增益 | 第34-36页 |
| ·主成分分析 | 第36-37页 |
| ·多标记算法映射 | 第37-39页 |
| ·BR映射 | 第37-38页 |
| ·标记对映射 | 第38-39页 |
| ·LP映射 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第五章 实验数据源提取和预处理 | 第40-49页 |
| ·数据源内容介绍 | 第40页 |
| ·数据提取及集成工作描述 | 第40-42页 |
| ·数据预处理 | 第42-48页 |
| ·数据清理 | 第42-43页 |
| ·数据离散化 | 第43-45页 |
| ·数据变换 | 第45页 |
| ·数据归约 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 改进的LIFT-ML-KNN算法实验 | 第49-54页 |
| ·实验数据集说明 | 第49页 |
| ·LIFT-ML-KNN算法 | 第49-51页 |
| ·均匀抽样 | 第50页 |
| ·加权 | 第50页 |
| ·LIFT-ML-KNN算法步骤 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 HBV联合用药推荐系统的初步实现 | 第54-60页 |
| ·Java开发语言介绍 | 第54页 |
| ·开发涉及的框架技术 | 第54-56页 |
| ·Swing技术 | 第54页 |
| ·Hibernate框架技术 | 第54-56页 |
| ·Weka与Mulan相关API | 第56页 |
| ·HBV联合用药推荐系统的开发 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第八章 工作总结与展望 | 第60-62页 |
| ·工作总结 | 第60页 |
| ·未来工作 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 附录1 程序清单 | 第64-65页 |
| 致谢 | 第65页 |
