| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题背景与意义 | 第7-8页 |
| 1.2 国内外的研究现状 | 第8-10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关技术和理论基础 | 第13-21页 |
| 2.1 云计算 | 第13-14页 |
| 2.2 云平台Hadoop简介 | 第14-16页 |
| 2.3 人工神经网络 | 第16-19页 |
| 2.3.1 BP神经网络原理 | 第17页 |
| 2.3.2 BP神经网络算法描述 | 第17-19页 |
| 2.4 遗传算法 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 疾病预测分析模型的算法研究 | 第21-40页 |
| 3.1 BP神经网络在疾病预测中的不足 | 第21-22页 |
| 3.2 集成GA-BP神经网络算法 | 第22-28页 |
| 3.2.1 算法框架 | 第22-23页 |
| 3.2.2 算法流程 | 第23-28页 |
| 3.3 集成GA-BP神经网络的疾病预测 | 第28-30页 |
| 3.4 实验分析 | 第30-38页 |
| 3.4.1 实验坏境 | 第30页 |
| 3.4.2 数据来源 | 第30-31页 |
| 3.4.3 相关性和主成分分析 | 第31-33页 |
| 3.4.4 算法参数确定 | 第33-34页 |
| 3.4.5 结果分析 | 第34-38页 |
| 3.5 实验结论 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于Hadoop的集成GA-BP神经网络疾病预测分析模型的设计 | 第40-56页 |
| 4.1 MapReduce编程模型 | 第40-41页 |
| 4.2 集成GA-BP神经网络并行化 | 第41-48页 |
| 4.2.1 遗传算法并行化实现 | 第42-44页 |
| 4.2.2 子神经网络并行训练实现 | 第44-48页 |
| 4.3 基于Hadoop的疾病预测分析模型 | 第48-51页 |
| 4.4 实验分析 | 第51-55页 |
| 4.4.1 实验坏境 | 第51页 |
| 4.4.2 结果分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 基于Hadoop的疾病预测分析模型的评价 | 第56-69页 |
| 5.1 基于Hadoop的医疗数据处理平台 | 第56-57页 |
| 5.2 Hadoop平台的搭建 | 第57-63页 |
| 5.3 疾病预测分析模型评价 | 第63-68页 |
| 5.3.1 模型准确性评价 | 第63-66页 |
| 5.3.2 模型扩展性评价 | 第66-67页 |
| 5.3.3 模型预警功能评价 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 全文总结 | 第69页 |
| 6.2 未来展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 附录 | 第75-76页 |
| 图版 | 第76-78页 |
| 表版 | 第78-79页 |