ALS临床数据的特征选择及其预测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 ALS特征选择方法的研究现状 | 第12-13页 |
| 1.2.2 ALS回归分析方法的研究现状 | 第13页 |
| 1.3 ALS临床数据概述 | 第13-15页 |
| 1.3.1 ALS临床数据的获取 | 第13-14页 |
| 1.3.2 ALS临床数据的特点 | 第14-15页 |
| 1.4 研究难点 | 第15页 |
| 1.5 主要研究目标和内容 | 第15-16页 |
| 1.6 论文结构安排 | 第16-17页 |
| 1.7 本章小结 | 第17-18页 |
| 第2章 相关理论基础 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 特征选择方法 | 第18-23页 |
| 2.2.1 单变量特征选择 | 第19-20页 |
| 2.2.2 正则化与模型选择 | 第20-21页 |
| 2.2.3 决策机制的特征选择 | 第21-22页 |
| 2.2.4 顶层特征选择 | 第22-23页 |
| 2.3 回归分析预测方法 | 第23-25页 |
| 2.3.1 线性回归预测 | 第23-24页 |
| 2.3.2 非线性回归分析 | 第24页 |
| 2.3.3 多元非线性回归算法 | 第24-25页 |
| 2.4 交叉验证方法 | 第25-27页 |
| 2.5 结果评价标准 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于ALS临床数据的特征选择方法研究 | 第30-43页 |
| 3.1 引言 | 第30-31页 |
| 3.2 RFA模型搜索的原理 | 第31-33页 |
| 3.3 RFA-PLS特征选择算法 | 第33页 |
| 3.4 数据集与模型设计过程描述 | 第33-36页 |
| 3.4.1 数据编码 | 第33-35页 |
| 3.4.2 数据预处理 | 第35-36页 |
| 3.4.3 模型设计流程 | 第36页 |
| 3.5 实验过程 | 第36-38页 |
| 3.6 RFA-PLS与其他特征选择方法的对比 | 第38-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于ALS临床数据的回归分析方法研究 | 第43-52页 |
| 4.1 引言 | 第43-44页 |
| 4.2 偏最小二乘回归的基本理论 | 第44-45页 |
| 4.3 基于多项式的偏最小二乘算法 | 第45-46页 |
| 4.4 实验过程 | 第46-48页 |
| 4.4.1 数据集及实验环境 | 第46页 |
| 4.4.2 实验结果 | 第46-48页 |
| 4.5 PLSR与其他回归分析方法的对比 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录A 攻读学位期间所发表的学术论文 | 第60-61页 |
| 附录B 攻读学位期间所参与的科研活动 | 第61-62页 |
| 致谢 | 第62页 |
