基于统计学习的早期肺部癌变的识别方法
| 中文摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 关于统计机器学习 | 第7-8页 |
| 1.2 肺癌的现状以及肺癌诊断医学方法 | 第8-9页 |
| 1.2.1 肺癌现状 | 第8页 |
| 1.2.2 肺癌诊断最常见的医学方法 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 国内研究现状 | 第9-10页 |
| 1.3.2 国外研究现状 | 第10-12页 |
| 第2章 数据预处理 | 第12-14页 |
| 2.1 数据背景 | 第12页 |
| 2.2 特征变量提取方法 | 第12-14页 |
| 第3章 基于人工神经网络的肺癌诊断 | 第14-28页 |
| 3.1 人工神经网络的背景及特征 | 第14-16页 |
| 3.2 神经网络分类及BP神经网络 | 第16-17页 |
| 3.3 BP神经网络原理及nnet包介绍 | 第17-18页 |
| 3.4 肺癌数据的BP神经网络构造 | 第18-25页 |
| 3.4.1 空值处理和描述统计 | 第18-19页 |
| 3.4.2 归一化处理与异常值处理 | 第19-20页 |
| 3.4.3 训练集和测试集的筛选 | 第20页 |
| 3.4.4 模型建立 | 第20-22页 |
| 3.4.5 基于测试集的模型参数分析 | 第22-25页 |
| 3.5 BP神经网络隐层神经元的选择 | 第25-28页 |
| 第4章 基于决策树的肺癌诊断 | 第28-39页 |
| 4.1 决策树简介 | 第28-29页 |
| 4.2 决策树的算法 | 第29-30页 |
| 4.3 决策树模型的搭建 | 第30-35页 |
| 4.3.1 需要说明的问题 | 第30-31页 |
| 4.3.2 决策树模型的建立 | 第31-35页 |
| 4.4 人工神经网络模型和决策树模型比较 | 第35-39页 |
| 总结 | 第39-41页 |
| 参考文献 | 第41-48页 |
| 附录A 患者信息 | 第48-49页 |
| 附录B 部分R代码 | 第49-52页 |
| 致谢 | 第52-53页 |
