| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 论文主要工作及创新 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第2章 相关理论研究 | 第13-25页 |
| 2.1 数据不平衡处理技术 | 第13-15页 |
| 2.1.1 基于数据层面的数据不平衡方法 | 第13-14页 |
| 2.1.2 基于算法层面的数据不平衡方法 | 第14-15页 |
| 2.2 K-Means聚类算法 | 第15-16页 |
| 2.3 机器学习相关算法 | 第16-21页 |
| 2.4 深度学习技术 | 第21-25页 |
| 2.4.1 Autoencoder | 第21-22页 |
| 2.4.2 深度置信网络 | 第22-25页 |
| 第3章 基于聚类融合的欠采样和smote结合的过采样算法 | 第25-35页 |
| 3.1 聚类融合 | 第25-26页 |
| 3.2 KE-SMOTE算法 | 第26-28页 |
| 3.3 实验及分析 | 第28-35页 |
| 第4章 基于Autoencoder的深度置信网络分类算法 | 第35-46页 |
| 4.1 算法流程设计 | 第35-36页 |
| 4.2 基于Autoencoder的特征抽取方法 | 第36-38页 |
| 4.3 构建DBN预测模型 | 第38-39页 |
| 4.4 实验及分析 | 第39-46页 |
| 第5章 DL-BS-IMD算法在医疗数据中的应用 | 第46-55页 |
| 5.1 体检指标与高尿酸血症关系数据分析 | 第46-52页 |
| 5.2 高尿酸血症患病因素分析 | 第52-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 发表论文和参加科研情况说明 | 第61-63页 |
| 致谢 | 第63页 |