| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第16-28页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-24页 |
| 1.2.1 机器学习算法 | 第17-21页 |
| 1.2.2 分布式计算与云计算 | 第21-22页 |
| 1.2.3 医学与生物信息学应用 | 第22-24页 |
| 1.3 面临的挑战 | 第24-25页 |
| 1.4 研究目标和研究内容 | 第25-26页 |
| 1.4.1 研究目标 | 第25页 |
| 1.4.2 研究内容 | 第25-26页 |
| 1.5 本文组织结构 | 第26-28页 |
| 第2章 相关理论 | 第28-45页 |
| 2.1 机器学习算法 | 第28-35页 |
| 2.1.1 随机森林分类算法 | 第28-29页 |
| 2.1.2 密度峰值聚类算法 | 第29-31页 |
| 2.1.3 卷积神经网络算法 | 第31-33页 |
| 2.1.4 社区发现算法 | 第33-35页 |
| 2.2 分布式计算与云计算技术 | 第35-38页 |
| 2.2.1 分布式并行计算技术 | 第35页 |
| 2.2.2 云计算技术 | 第35-38页 |
| 2.3 医学数据预处理技术 | 第38-44页 |
| 2.3.1 医院就诊数据预处理 | 第38-41页 |
| 2.3.2 疾病诊断与治疗数据预处理 | 第41-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第3章 并行随机森林算法及医院智能导诊应用 | 第45-74页 |
| 3.1 引言 | 第45-47页 |
| 3.2 随机森林算法优化 | 第47-51页 |
| 3.2.1 训练过程的高维数据降维方法 | 第47-49页 |
| 3.2.2 预测过程的加权预测方法 | 第49-51页 |
| 3.3 分布式并行随机森林算法 | 第51-58页 |
| 3.3.1 数据并行策略 | 第52-54页 |
| 3.3.2 任务并行策略 | 第54-58页 |
| 3.4 医院智能导诊应用 | 第58-65页 |
| 3.4.1 患者就诊时间预测(PTTP)模型 | 第60-63页 |
| 3.4.2 基于PTTP模型的医院候诊推荐系统 | 第63-65页 |
| 3.5 实验及应用 | 第65-73页 |
| 3.5.1 公共数据集上的实验结果 | 第65-69页 |
| 3.5.2 医院智能导诊应用结果分析 | 第69-73页 |
| 3.6 本章小节 | 第73-74页 |
| 第4章 自适应域密度峰值聚类算法及疾病诊疗推荐应用 | 第74-106页 |
| 4.1 引言 | 第74-75页 |
| 4.2 自适应域密度峰值聚类(ADDC)算法 | 第75-86页 |
| 4.2.1 聚类决策参数测量 | 第75-79页 |
| 4.2.2 簇自合并方法 | 第79-86页 |
| 4.3 疾病诊断和治疗推荐系统 | 第86-89页 |
| 4.3.1 基于ADDC的疾病症状聚类 | 第86-88页 |
| 4.3.2 疾病诊断和治疗方案推荐 | 第88-89页 |
| 4.4 疾病诊疗推荐系统的并行解决方案 | 第89-95页 |
| 4.4.1 疾病症状的并行聚类过程 | 第90-93页 |
| 4.4.2 疾病治疗方案的并行分析过程 | 第93-95页 |
| 4.5 实验与应用分析 | 第95-105页 |
| 4.5.1 实验设置 | 第95页 |
| 4.5.2 合成数据集上的聚类结果分析 | 第95-97页 |
| 4.5.3 大规模数据集的聚类效果评估 | 第97-98页 |
| 4.5.4 疾病诊断与治疗推荐应用分析 | 第98-103页 |
| 4.5.5 性能评估 | 第103-105页 |
| 4.6 本章小结 | 第105-106页 |
| 第5章 并行深度学习算法及结肠癌细胞核检测应用 | 第106-137页 |
| 5.1 引言 | 第106-107页 |
| 5.2 CNN双层并行训练架构 | 第107-124页 |
| 5.2.1 CNN双层并行训练架构 | 第107-110页 |
| 5.2.2 外层并行训练 | 第110-118页 |
| 5.2.3 内层并行训练 | 第118-124页 |
| 5.3 结肠癌细胞核检测应用 | 第124-129页 |
| 5.3.1 CNN训练网络模型 | 第126页 |
| 5.3.2 细胞核检测 | 第126-128页 |
| 5.3.3 细胞核分类 | 第128-129页 |
| 5.4 实验评估与分析 | 第129-135页 |
| 5.4.1 实验设置 | 第129页 |
| 5.4.2 算法性能评估 | 第129-133页 |
| 5.4.3 结肠癌细胞核检测结果分析 | 第133-135页 |
| 5.5 本章小结 | 第135-137页 |
| 第6章 大规模PPI网络的蛋白质群落并行检测算法 | 第137-166页 |
| 6.1 引言 | 第137-138页 |
| 6.2 基于多源学习的蛋白质群落检测算法 | 第138-147页 |
| 6.2.1 MLPCD算法流程 | 第138-140页 |
| 6.2.2 基于基因表达数据的加权PPI网络构建 | 第140-143页 |
| 6.2.3 基于多源学习的蛋白质群落检测算法 | 第143-147页 |
| 6.3 基于分布式计算的并行MLPCD算法 | 第147-154页 |
| 6.3.1 WPPI网络并行构建 | 第148-151页 |
| 6.3.2 MLPCD并行算法 | 第151-154页 |
| 6.4 实验评估与分析 | 第154-165页 |
| 6.4.1 实验设置 | 第154-156页 |
| 6.4.2 蛋白质复合物检测与分析 | 第156-157页 |
| 6.4.3 蛋白质功能模块检测与分析 | 第157-160页 |
| 6.4.4 算法对比分析 | 第160-165页 |
| 6.5 本章小结 | 第165-166页 |
| 结论 | 第166-169页 |
| 参考文献 | 第169-178页 |
| 附录A 攻读学位期间所发表的学术论文 | 第178-180页 |
| 附录B 攻读学位期间所参加的科研项目及申请的专利 | 第180-181页 |
| 致谢 | 第181页 |