分类技术在医学诊断中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-18页 |
| ·研究背景和意义 | 第7-9页 |
| ·数据挖掘概述 | 第9-13页 |
| ·数据挖掘的功能 | 第9-11页 |
| ·数据挖掘的对象 | 第11-12页 |
| ·数据挖掘的流程 | 第12-13页 |
| ·医学数据挖掘面临的问题 | 第13-14页 |
| ·数据的复杂性、多样性和不确定性 | 第13-14页 |
| ·法律和伦理问题 | 第14页 |
| ·数据挖掘在医学诊断中的应用 | 第14-16页 |
| ·研究内容 | 第16-18页 |
| 第二章 相关技术 | 第18-32页 |
| ·属性子集选择算法 | 第18-22页 |
| ·基于相关性分析的方法 | 第18-20页 |
| ·基于检验统计量的方法 | 第20-21页 |
| ·Relief 算法 | 第21-22页 |
| ·分类方法 | 第22-31页 |
| ·决策树归纳 | 第22-24页 |
| ·贝叶斯分类 | 第24-28页 |
| ·基于规则的分类 | 第28-29页 |
| ·基于相似度的分类 | 第29-30页 |
| ·其他分类方法 | 第30-31页 |
| ·分类模型的评估准则 | 第31-32页 |
| 第三章 复合分类方法与模糊kNN | 第32-41页 |
| ·基于贝叶斯理论的复合分类方法 | 第32-36页 |
| ·分类准确率矩阵 | 第32-33页 |
| ·基于贝叶斯理论的复合 | 第33-35页 |
| ·在医学诊断中的应用 | 第35-36页 |
| ·基于贝叶斯理论的模糊kNN 分类方法 | 第36-41页 |
| ·基于权重的相似度 | 第37-38页 |
| ·基于贝叶斯理论的预测 | 第38-40页 |
| ·训练和分类算法 | 第40-41页 |
| 第四章 实验分析 | 第41-50页 |
| ·分类器评价指标 | 第41-43页 |
| ·实验数据集 | 第43-44页 |
| ·实验方法 | 第44-46页 |
| ·验证复合分类方法 | 第44-45页 |
| ·验证基于贝叶斯理论的模糊kNN | 第45-46页 |
| ·实验结果 | 第46-50页 |
| ·复合分类器性能 | 第46-48页 |
| ·模糊kNN 分类器性能 | 第48-50页 |
| 第五章 结语 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
