基于量表测评的帕金森用药推荐模型研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10-11页 |
| 1.2 课题的研究意义和应用前景 | 第11-12页 |
| 1.3 机器学习研究现状 | 第12-14页 |
| 1.3.1 机器学习定义 | 第12页 |
| 1.3.2 机器学习发展史 | 第12-13页 |
| 1.3.3 机器学习常用算法 | 第13-14页 |
| 1.4 本文的主要工作 | 第14-15页 |
| 1.5 论文结构 | 第15-17页 |
| 第二章 基于支持向量机的帕金森病识别模型 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 基于主成分分析的帕金森病量表优化算法 | 第17-20页 |
| 2.2.1 基于PCA的加权向量提取 | 第18-19页 |
| 2.2.2 基于Otsu局部递归分割法划分量表 | 第19-20页 |
| 2.3 基于支持向量机的帕金森病识别 | 第20-22页 |
| 2.4 实验 | 第22-25页 |
| 2.4.1 实验设置 | 第22-23页 |
| 2.4.2 实验结果与分析 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于混合策略的多标签学习框架 | 第27-51页 |
| 3.1 引言 | 第27页 |
| 3.2 相关知识 | 第27-39页 |
| 3.2.1 多标签学习 | 第27-34页 |
| 3.2.2 遗传算法 | 第34-36页 |
| 3.2.3 特征选择 | 第36-39页 |
| 3.3 基于混合策略的多标签学习框架(MSML) | 第39-43页 |
| 3.3.1 标签子集排序 | 第39-41页 |
| 3.3.2 标签子集特征选择 | 第41-42页 |
| 3.3.3 混合策略分类器 | 第42-43页 |
| 3.4 实验 | 第43-49页 |
| 3.4.1 实验设置 | 第43-44页 |
| 3.4.2 实验结果与分析 | 第44-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 帕金森病综合诊疗平台的实现 | 第51-64页 |
| 4.1 引言 | 第51页 |
| 4.2 软件平台和通信机制 | 第51-55页 |
| 4.2.1 SSH框架介绍 | 第51-52页 |
| 4.2.2 Android平台介绍 | 第52-54页 |
| 4.2.3 HTTP协议介绍 | 第54页 |
| 4.2.4 JSON数据格式 | 第54-55页 |
| 4.3 系统设计 | 第55-58页 |
| 4.3.1 功能分析 | 第55-56页 |
| 4.3.2 系统架构 | 第56-57页 |
| 4.3.3 数据结构 | 第57-58页 |
| 4.4 系统演示 | 第58-62页 |
| 4.4.1 量表设计与测评 | 第59-60页 |
| 4.4.2 帕金森病的识别 | 第60-61页 |
| 4.4.3 用药推荐 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文工作总结 | 第64-65页 |
| 5.2 研究前景 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73-74页 |
