| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-16页 |
| ·论文的研究背景和研究意义 | 第9-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文的结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 BP神经网络技术 | 第16-27页 |
| ·人工神经网络 | 第16-21页 |
| ·人工神经元构造 | 第18-19页 |
| ·激活函数 | 第19-20页 |
| ·神经网络的一般模型 | 第20-21页 |
| ·神经网络的工作原理 | 第21页 |
| ·BP神经网络的相关理论 | 第21-25页 |
| ·三层BP神经网络 | 第21-24页 |
| ·BP神经网络的算法和实现过程 | 第24-25页 |
| ·BP神经网络的优点 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 DS证据理论 | 第27-36页 |
| ·DS证据理论 | 第27页 |
| ·DS证据理论的基本概念 | 第27-32页 |
| ·DS证据理论的识别框架 | 第27-28页 |
| ·基本信任分配函数 | 第28-30页 |
| ·基本信任函数 | 第30页 |
| ·似然函数 | 第30-32页 |
| ·DS证据理论的合成规则 | 第32-35页 |
| ·两个证据合成规则 | 第32-34页 |
| ·多个证据合成规则 | 第34-35页 |
| ·DS证据理论合成的性质 | 第35页 |
| ·证据理论的优势 | 第35页 |
| ·本章总结 | 第35-36页 |
| 第四章 基于BP神经网络和DS证据理论的疾病预测模型 | 第36-50页 |
| ·BP-DS模型 | 第36-39页 |
| ·BP-DS疾病预测模型框架 | 第36-37页 |
| ·疾病预测模型实现过程 | 第37-38页 |
| ·BP-DS算法的描述 | 第38-39页 |
| ·BP-DS模型心脏病预测 | 第39-49页 |
| ·实验环境介绍 | 第39-40页 |
| ·数据集划分 | 第40-41页 |
| ·数据归一化 | 第41-42页 |
| ·神经网络结构确定 | 第42-45页 |
| ·证据理论的合成 | 第45-47页 |
| ·实验结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·总结 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读硕士期间发表的论文 | 第58页 |