药店数据辅诊平台及其深度学习模型的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 国内研究现状 | 第11-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 章节安排 | 第16-17页 |
| 第二章 药店数据辅诊平台总体设计 | 第17-25页 |
| 2.1 平台需求分析 | 第17-18页 |
| 2.2 平台总体架构设计 | 第18-22页 |
| 2.2.1 平台设计原则 | 第18-19页 |
| 2.2.2 平台总体结构设计 | 第19-21页 |
| 2.2.3 逻辑结构设计 | 第21-22页 |
| 2.3 平台功能设计 | 第22-23页 |
| 2.4 平台工作流程 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于深度信念网络的健康风险评估模型的建立 | 第25-36页 |
| 3.1 健康风险评估模型概述 | 第25-26页 |
| 3.2 深度学习 | 第26-29页 |
| 3.2.1 反向传播神经网络 | 第26-28页 |
| 3.2.2 受限玻尔兹曼机 | 第28-29页 |
| 3.3 基于深度信念网络的健康风险评估模型 | 第29-35页 |
| 3.3.1 数据及预处理 | 第29-31页 |
| 3.3.2 深度信念网络 | 第31页 |
| 3.3.3 DBNs训练过程 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 医药推荐系统 | 第36-43页 |
| 4.1 推荐系统简介 | 第36页 |
| 4.2 协同过滤算法 | 第36-37页 |
| 4.3 基于内容的过滤推荐 | 第37-38页 |
| 4.4 基于深度学习的混合协同过滤推荐 | 第38-41页 |
| 4.4.1 自动编码器 | 第39-40页 |
| 4.4.2 堆叠式降噪自动编码器 | 第40页 |
| 4.4.3 BayesianSDAE | 第40-41页 |
| 4.4.4 混合协同过滤推荐 | 第41页 |
| 4.5 本章小结 | 第41-43页 |
| 第五章 医药数据辅诊平台的设计与实现 | 第43-53页 |
| 5.1 系统开发环境简介 | 第43-44页 |
| 5.2 医药数据辅诊平台的搭建 | 第44-47页 |
| 5.2.1 数据库访问实现 | 第44-45页 |
| 5.2.2 用户注册登录模块 | 第45-46页 |
| 5.2.3 权限管理模块 | 第46页 |
| 5.2.4 信息导入模块 | 第46页 |
| 5.2.5 健康评估与指导模块 | 第46-47页 |
| 5.2.6 医药推荐模块 | 第47页 |
| 5.3 数据库设计与实现 | 第47-51页 |
| 5.3.1 数据库结构设计 | 第47-48页 |
| 5.3.2 数据库的逻辑结构 | 第48页 |
| 5.3.3 数据库表的设计 | 第48-51页 |
| 5.4 平台功能测试 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-66页 |
