贝叶斯在医疗诊断系统中的应用研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-17页 |
| ·选题来源 | 第13-16页 |
| ·选题意义 | 第16页 |
| ·研究内容和主要工作 | 第16-17页 |
| 第二章 数据挖掘与机器学习 | 第17-35页 |
| ·什么是数据挖掘 | 第17-18页 |
| ·机器学习 | 第18-30页 |
| ·决策树 | 第21-24页 |
| ·神经网络 | 第24-28页 |
| ·K 近邻算法 | 第28-29页 |
| ·k 聚类算法 | 第29-30页 |
| ·贝叶斯理论 | 第30-34页 |
| ·概率的相关知识 | 第31页 |
| ·贝叶斯定理 | 第31-32页 |
| ·贝叶斯推理 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 系统需求分析 | 第35-38页 |
| ·问题背景 | 第35-36页 |
| ·需求分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于贝叶斯的医疗诊断预警系统设计 | 第38-47页 |
| ·系统结构与流程 | 第38-39页 |
| ·使用算法模型 | 第39-46页 |
| ·最优贝叶斯分类器 | 第39-40页 |
| ·朴素贝叶斯分类器 | 第40-41页 |
| ·贝叶斯网络分类器 | 第41-45页 |
| ·贝叶斯分类实例 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 系统实现及实验分析 | 第47-73页 |
| ·数据处理 | 第47-48页 |
| ·算法参数的设置 | 第48-49页 |
| ·交叉验证 | 第48-49页 |
| ·折数与属性的设置 | 第49页 |
| ·预警机制 | 第49-50页 |
| ·实验与分析 | 第50-59页 |
| ·折数固定下的性能测试 | 第50页 |
| ·属性数固定下的性能测试 | 第50-57页 |
| ·预警系统 | 第57-59页 |
| ·对比试验结果 | 第59-72页 |
| ·与决策树实验结果对比 | 第59-66页 |
| ·与 K 近邻的实验结果对比 | 第66-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 总结 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
