首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--机器辅助技术论文

SLE病症的计算机辅助诊断和显著性影响因素分析研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-23页
    1.1 研究的背景和意义第11-12页
        1.1.1 研究背景第11-12页
        1.1.2 研究意义第12页
    1.2 研究现状第12-20页
        1.2.1 医学统计方法的研究现状第12-14页
        1.2.2 疾病诊断算法的研究现状第14-17页
        1.2.3 疾病相关性分析算法的研究现状第17-19页
        1.2.4 研究现状总结第19-20页
    1.3 研究内容第20-21页
    1.4 论文的组织结构第21-23页
第二章 研究对象及其数据预处理第23-31页
    2.1 数据来源第23-24页
    2.2 研究对象介绍第24-25页
    2.3 数据预处理第25-29页
        2.3.1 数据审查第25-26页
        2.3.2 数据清洗第26-27页
        2.3.3 数据归一化第27-28页
        2.3.4 数据降维第28-29页
    2.4 本章小结第29-31页
第三章 基于SA-SVM的SLE病症辅助诊断模型第31-43页
    3.1 基于SVM的SLE病症分类辅助诊断原理第31-33页
    3.2 基于SA-SVM的SLE病症分类辅助诊断模型构建分析第33-34页
        3.2.1 模拟退火算法进行参数优化原理第33页
        3.2.2 构建基于SA-SVM的SLE病症分类辅助诊断模型第33-34页
    3.3 基于SA-SVM的SLE病症分类辅助诊断流程第34页
    3.4 基于SA-SVM的SLE病症分类实验与分析第34-41页
        3.4.1 实验环境介绍第34页
        3.4.2 诊断模型性能标准介绍第34-36页
        3.4.3 基于SA-SVM的SLE病症分类实验第36-37页
        3.4.4 分类模型对比实验第37-38页
        3.4.5 降维算法对比实验第38-39页
        3.4.6 多组测试数据分类实验第39-40页
        3.4.7 结果分析第40-41页
    3.5 本章小结第41-43页
第四章 SLE合并肾受累影响因素分析第43-59页
    4.1 SLE合并肾受累病症显著性影响因素选择的必要性分析第43-44页
    4.2 SLE合并肾受累病症显著性影响因素分析方法描述第44-45页
    4.3 基于Relief-F的SLE合并肾受累病症影响因素分析第45-50页
        4.3.1 基于Relief-F的SLE合并肾受累病症影响因素分析原理第45-47页
        4.3.2 显著性影响因素选择实验与分析第47-48页
        4.3.3 基于SA-SVM的显著性影响因素结果验证分析第48-50页
    4.4 基于改进Relief-F的SLE合并肾受累病症影响因素分析第50-55页
        4.4.1 对Relief-F进行改进的可行性分析第50-51页
        4.4.2 改进Relief-F算法原理第51页
        4.4.3 显著性影响因素选择实验与分析第51-54页
        4.4.4 基于SA-SVM的显著性影响因素结果验证分析第54-55页
    4.5 SLE合并肾受累显著性影响因素的分析方法对比实验与分析第55-57页
    4.6 本章小结第57-59页
第五章 总结与展望第59-61页
    5.1 研究总结第59页
    5.2 研究展望第59-61页
致谢第61-63页
参考文献第63-68页
附录A 攻读硕士学位期间的科研成果第68-69页
附录B 攻读硕士学位期间参加的科研项目第69页

论文共69页,点击 下载论文
上一篇:某药业自动化立体冷库规划设计及仿真
下一篇:运动目标检测跟踪的FPGA系统实现