中医处方辅助推荐系统的设计与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-14页 |
| 1.3 本文的主要工作与创新 | 第14页 |
| 1.4 本论文的结构安排 | 第14-16页 |
| 第二章 相关理论与基础 | 第16-34页 |
| 2.1 网络爬虫相关理论与基础 | 第16-20页 |
| 2.1.1 网络爬虫的基本概念 | 第16-18页 |
| 2.1.2 网络爬虫的具体方法 | 第18-20页 |
| 2.2 神经网络相关理论 | 第20-26页 |
| 2.2.1 前向神经网络算法 | 第20-24页 |
| 2.2.2 反向神经网络算法 | 第24-26页 |
| 2.2.2.1 批量学习 | 第25页 |
| 2.2.2.2 在线学习 | 第25-26页 |
| 2.3 支持向量机相关理论 | 第26-33页 |
| 2.3.1 VC维理论 | 第26-27页 |
| 2.3.2 结构风险最小化原则 | 第27-28页 |
| 2.3.3 SVM分类问题 | 第28-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 方剂原始数据的采集与预处理 | 第34-42页 |
| 3.1 方剂数据来源 | 第34页 |
| 3.2 方剂数据采集 | 第34-38页 |
| 3.3 方剂数据预处理 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 功效相似性度量 | 第42-49页 |
| 4.1 基于症状—功效的加权相似度算法 | 第43-46页 |
| 4.2 实验结果分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 基于差值神经网络的方剂推荐模型 | 第49-59页 |
| 5.1 基于“主题”规约标准功效的衍生LDA模型 | 第50-54页 |
| 5.2 构建方剂差值神经网络 | 第54-56页 |
| 5.3 训练方剂差值神经网络 | 第56页 |
| 5.4 构建方剂推荐模型 | 第56-57页 |
| 5.5 实验结果分析 | 第57-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 基于层次SVM分类的方剂推荐模型 | 第59-64页 |
| 6.1 基于“主题”向量进行SVM多分类 | 第60-61页 |
| 6.1.1 构建方剂类别二叉树 | 第60页 |
| 6.1.2 构建SVM向量机 | 第60-61页 |
| 6.2 构建基于层次SVM分类的方剂推荐模型 | 第61-62页 |
| 6.3 实验结果分析 | 第62-63页 |
| 6.4 本章小结 | 第63-64页 |
| 第七章 中医处方辅助推荐系统的设计与实现 | 第64-69页 |
| 7.1 系统设计目标 | 第64页 |
| 7.2 系统框架设计 | 第64-66页 |
| 7.3 中医处方辅助推荐系统的实现 | 第66-68页 |
| 7.4 本章小结 | 第68-69页 |
| 第八章 全文总结与展望 | 第69-71页 |
| 8.1 全文总结 | 第69页 |
| 8.2 未来工作展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的成果 | 第75页 |
