| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 医疗健康体检数据挖掘概述 | 第11-14页 |
| 1.2.1 数据挖掘技术与工具简介 | 第11-12页 |
| 1.2.2 医疗健康体检数据挖掘的特点 | 第12-14页 |
| 1.3 与本课题相关的国内外研究进展 | 第14-17页 |
| 1.3.1 距离度量学习算法的研究进展 | 第15-16页 |
| 1.3.2 疾病数据挖掘的应用现状 | 第16-17页 |
| 1.4 论文研究的内容及创新点 | 第17-18页 |
| 1.5 论文的组织结构 | 第18-20页 |
| 第二章 医疗健康体检数据挖掘理论 | 第20-34页 |
| 2.1 距离度量学习算法研究 | 第20-24页 |
| 2.1.1 概述 | 第20-21页 |
| 2.1.2 大边界近邻LMNN算法 | 第21-24页 |
| 2.2 基于余弦和LMNN算法的局部簇距离度量学习 | 第24-27页 |
| 2.2.1 构造COS-LMNN | 第25-26页 |
| 2.2.2 形成局部簇 | 第26页 |
| 2.2.3 COS-SUBLMNN模型 | 第26-27页 |
| 2.3 高维医疗健康体检数据预处理 | 第27-29页 |
| 2.3.1 数据预处理概述 | 第27页 |
| 2.3.2 高维医疗健康体检数据的特征选择与提取 | 第27-29页 |
| 2.4 机器学习算法研究 | 第29-32页 |
| 2.4.1 支持向量机(SVM) | 第29-30页 |
| 2.4.2 随机森林(RF) | 第30-32页 |
| 2.4.3 人工神经网络(ANN) | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 医疗健康体检数据癌症早期筛查研究 | 第34-51页 |
| 3.1 癌症早期筛查步骤 | 第34-35页 |
| 3.2 数据来源与准备 | 第35页 |
| 3.3 数据预处理 | 第35-41页 |
| 3.3.1 数据标签标注 | 第35-36页 |
| 3.3.2 缺失值填充 | 第36-37页 |
| 3.3.3 数据标准化 | 第37-39页 |
| 3.3.4 类别不均衡处理 | 第39-41页 |
| 3.4 特征选择 | 第41-42页 |
| 3.5 模型建立 | 第42-43页 |
| 3.6 结果评估与模型对比 | 第43-50页 |
| 3.6.1 特征选择结果 | 第43-45页 |
| 3.6.2 模型评估指标 | 第45-49页 |
| 3.6.3 模型ROC曲线 | 第49-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第四章 基于COS-SUBLMNN的疾病风险诊断系统研究与实现 | 第51-60页 |
| 4.1 疾病风险诊断方案设计 | 第51-52页 |
| 4.2 数据准备过程 | 第52-53页 |
| 4.3 实验结果与模型评估 | 第53-58页 |
| 4.3.1 癌症风险诊断 | 第53-56页 |
| 4.3.2 心血管疾病风险诊断 | 第56-58页 |
| 4.4 模型效果反馈与诊断系统设计 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60页 |
| 5.2 存在的问题及下一步研究计划 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间取得的研究成果 | 第68页 |