| 内容摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 论文研究背景与意义 | 第15-18页 |
| 1.2 论文相关研究现状 | 第18-22页 |
| 1.3 论文主要内容 | 第22-25页 |
| 1.3.1 论文主要研究工作 | 第22-23页 |
| 1.3.2 论文内容安排 | 第23-25页 |
| 第二章 支持向量机模型与特权信息学习 | 第25-42页 |
| 2.1 特权信息学习 | 第25-27页 |
| 2.1.1 特权信息定义及应用场景 | 第25页 |
| 2.1.2 特权信息意义及特权信息学习框架 | 第25-26页 |
| 2.1.3 特权信息的应用案例 | 第26-27页 |
| 2.2 SVM模型 | 第27-32页 |
| 2.2.1 SVM模型基础原理 | 第27-29页 |
| 2.2.2 SVM模型松弛变量 | 第29页 |
| 2.2.3 SVM模型拉格朗日对偶方法 | 第29-30页 |
| 2.2.4 SVM模型核函数 | 第30-31页 |
| 2.2.5 SVM模型多分类方法 | 第31-32页 |
| 2.3 基于特权信息的SVM+模型 | 第32-37页 |
| 2.3.1 SVM+模型基础原理 | 第32-34页 |
| 2.3.2 SVM+模型特点评价 | 第34页 |
| 2.3.3 特权信息与SVM+模型相关研究工作发展 | 第34-37页 |
| 2.4 SVM模型与SVM+模型求解优化算法 | 第37-41页 |
| 2.4.1 Chunk优化算法 | 第37页 |
| 2.4.2 SMO优化算法 | 第37-39页 |
| 2.4.3 aSMO优化算法 | 第39-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 针对机器学习的儿童CAP医疗数据预处理 | 第42-56页 |
| 3.1 医疗数据简介及儿童CAP数据简要预处理方法 | 第42-45页 |
| 3.1.1 医疗数据特点介绍 | 第42-43页 |
| 3.1.2 医疗影像学图像预处理方法 | 第43-44页 |
| 3.1.3 医疗诊断文字信息预处理方法 | 第44-45页 |
| 3.1.4 医疗监测信号数据预处理方法 | 第45页 |
| 3.2 医疗实验室数据预处理方法 | 第45-47页 |
| 3.2.1 非数值结果预处理方法 | 第45-46页 |
| 3.2.2 数值结果预处理方法 | 第46-47页 |
| 3.3 儿童CAP检测结果数据医疗特征选择及提取 | 第47-52页 |
| 3.3.1 儿童CAP医疗数据源介绍 | 第47-48页 |
| 3.3.2 儿童CAP检测结果数据清洗 | 第48-49页 |
| 3.3.3 儿童CAP医疗特征选择 | 第49-51页 |
| 3.3.4 儿童CAP医疗特征矩阵生成 | 第51-52页 |
| 3.4 儿童CAP医疗数据简要统计分析 | 第52-54页 |
| 3.4.1 儿童CAP项目检测时间分布分析 | 第52-53页 |
| 3.4.2 儿童CAP医疗特征与病原相关性分析 | 第53-54页 |
| 3.4.3 儿童CAP患儿感染病原分布分析 | 第54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 基于机器学习的儿童CAP早期诊断 | 第56-68页 |
| 4.1 儿童CAP诊断问题医学方法 | 第56-57页 |
| 4.1.1 儿童CAP诊断医学标准 | 第56-57页 |
| 4.1.2 儿童CAP病原诊断医学标准 | 第57页 |
| 4.2 机器学习在儿童CAP诊断问题的应用 | 第57-60页 |
| 4.2.1 机器学习解决医疗诊断问题的方法 | 第57-58页 |
| 4.2.2 基于机器学习儿童CAP早期诊断问题研究 | 第58-60页 |
| 4.2.3 儿童CAP早期诊断问题机器学习模型再训练 | 第60页 |
| 4.3 常见机器学习模型在医疗诊断问题中的应用 | 第60-62页 |
| 4.3.1 基于KNN模型的医疗诊断问题应用 | 第60-61页 |
| 4.3.2 基于随机森林模型的医疗诊断问题应用 | 第61-62页 |
| 4.3.4 基于SVM模型的医疗诊断问题应用 | 第62页 |
| 4.4 儿童CAP早期诊断机器学习结果分析 | 第62-67页 |
| 4.4.1 机器学习常见模型评价指标 | 第62-64页 |
| 4.4.2 机器学习k折交叉验证方法 | 第64页 |
| 4.4.3 儿童CAP早期诊断学习样本选择 | 第64-65页 |
| 4.4.4 儿童CAP早期诊断机器学习模型结果比较 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 4.5.1 本章主要工作 | 第67页 |
| 4.5.2 基于机器学习的CAP早期诊断总结 | 第67-68页 |
| 第五章 基于特权信息学习的儿童CAP早期病原诊断 | 第68-96页 |
| 5.1 基于SVM+模型的儿童CAP早期病原诊断 | 第68-70页 |
| 5.2 儿童CAP数据中特权信息选择与使用 | 第70-73页 |
| 5.2.1 医疗早期诊断问题中特权信息运用 | 第70页 |
| 5.2.2 儿童CAP医疗特征中特权信息选择 | 第70-72页 |
| 5.2.3 基于特权信息学习的儿童CAP早期病原诊断问题求解 | 第72-73页 |
| 5.3 针对SVM+模型的求解优化算法 | 第73-83页 |
| 5.3.1 SVM+模型求解优化aSMO算法实现 | 第73-76页 |
| 5.3.2 儿童CAP早期病原诊断模型求解中的过拟合问题 | 第76-77页 |
| 5.3.3 改良的求解优化算法kaSMO原理介绍与实现 | 第77-81页 |
| 5.3.4 SVM+模型三种优化算法求解速度比较 | 第81-83页 |
| 5.4 基于SVM+模型改良的cSVM+模型 | 第83-87页 |
| 5.4.1 儿童CAP早期病原诊断中样本不均衡问题 | 第83-84页 |
| 5.4.2 SVM+模型改良的针对样本不均衡问题的cSVM+模型 | 第84-85页 |
| 5.4.3 基于kaSMO算法的cSVM+模型求解 | 第85-86页 |
| 5.4.4 儿童CAP早期病原诊断问题SVM+模型与cSVM+模型比较 | 第86-87页 |
| 5.5 儿童CAP早期病原诊断cSVM+模型训练 | 第87-90页 |
| 5.5.1 cSVM+模型优化变量初始值设定 | 第87-88页 |
| 5.5.2 cSVM+模型医疗特征矩阵核函数选取 | 第88-90页 |
| 5.5.3 cSVM+模型特权信息核函数选取 | 第90页 |
| 5.6 儿童CAP早期病原诊断特权信息学习结果分析 | 第90-94页 |
| 5.6.1 特权信息在在儿童CAP病原早期诊断问题中的作用 | 第90-93页 |
| 5.6.2 cSVM+模型与其他机器学习模型病原诊断结果比较 | 第93-94页 |
| 5.7 本章小结 | 第94-96页 |
| 5.7.1 本章主要工作 | 第94页 |
| 5.7.2 基于特权信息学习的CAP早期病原诊断总结 | 第94-96页 |
| 第六章 总结与展望 | 第96-99页 |
| 6.1 本文工作总结 | 第96页 |
| 6.2 论文的创新之处 | 第96-97页 |
| 6.3 今后工作展望 | 第97-98页 |
| 6.4 结语 | 第98-99页 |
| 参考文献 | 第99-103页 |
| 作者在学期间科研成果致谢 | 第103-104页 |
| 致谢 | 第104页 |
