| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题背景及来源 | 第9-10页 |
| 1.2 课题研究意义和前景 | 第10-11页 |
| 1.3 中医问诊客观化及多标记分类研究现状 | 第11-17页 |
| 1.3.1 中医问诊客观化现状 | 第11-12页 |
| 1.3.2 多标记分类研究现状 | 第12-17页 |
| 1.4 本文工作与章节安排 | 第17-19页 |
| 第二章 多标记学习及特征选择相关理论基础 | 第19-30页 |
| 2.1 多标记学习的统计学基础 | 第19-21页 |
| 2.1.1 机器学习基础 | 第19-20页 |
| 2.1.2 统计学习理论的关键定理 | 第20-21页 |
| 2.1.3 多标记学习的基本概念 | 第21页 |
| 2.2 多标记实验数据 | 第21-23页 |
| 2.3 多标记数据的测量方法 | 第23-24页 |
| 2.4 相关实验性能评价指标 | 第24-26页 |
| 2.5 特征选择方法简介 | 第26-27页 |
| 2.6 特征选择方法搜索策略 | 第27页 |
| 2.7 特征选择方法评价准则 | 第27-28页 |
| 2.8 停止条件 | 第28-29页 |
| 2.9 结果验证 | 第29页 |
| 2.10 本章小结 | 第29-30页 |
| 第三章、基于ReliefF-Rough Set的特征选择方法相关研究 | 第30-45页 |
| 3.1 relieff算法 | 第30-31页 |
| 3.2 粗糙集属性约简 | 第31-33页 |
| 3.2.1 粗糙集基本概念 | 第31-33页 |
| 3.2.2 粗糙集属性约简算法 | 第33页 |
| 3.3 慢性胃炎中医证型相关的症状群选择 | 第33-44页 |
| 3.3.1 脾胃湿热证型相关症状群挑选 | 第34-35页 |
| 3.3.2 湿浊中阻证型相关症状群挑选 | 第35-37页 |
| 3.3.3 脾胃气虚证型相关症状群挑选 | 第37-39页 |
| 3.3.4 脾胃虚寒证型相关症状群挑选 | 第39-40页 |
| 3.3.5 肝气郁滞证型相关症状群挑选 | 第40-42页 |
| 3.3.6 肝胃郁热证型相关症状群挑选 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于极限学习机分类算法的中医问诊相关研究 | 第45-65页 |
| 4.1 ELM算法介绍 | 第45-50页 |
| 4.1.1 单隐层前馈型网络的模型 | 第45页 |
| 4.1.2 单隐层前馈型网络的逼近能力 | 第45-46页 |
| 4.1.3 随机隐节点的SLFNs | 第46-47页 |
| 4.1.4 SLFNs的最小范数最小均方解 | 第47-48页 |
| 4.1.5 ELM算法 | 第48-50页 |
| 4.2 ELM算法实验与分析 | 第50-60页 |
| 4.3 粗糙集特征选择结果实验对比分析 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-66页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 致谢 | 第73页 |