基于支持向量机的住院费用预测模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.研究背景和意义 | 第10-11页 |
| 2.研究现状 | 第11-16页 |
| ·住院费用研究现状 | 第11-13页 |
| ·住院费用方法学研究现状 | 第13-16页 |
| 3.论文的主要工作 | 第16-17页 |
| 4.论文的章节安排 | 第17-18页 |
| 第二章 基础知识介绍 | 第18-27页 |
| 1.K-means聚类原理 | 第18-19页 |
| 2.支持向量机理论基础 | 第19-24页 |
| ·线性可分情况 | 第20-22页 |
| ·线性不可分下情况 | 第22-23页 |
| ·核方法 | 第23-24页 |
| 3.遗传算法 | 第24-26页 |
| ·遗传算法基本思想 | 第24页 |
| ·遗传算法具体流程 | 第24-25页 |
| ·遗传算法的实现技术 | 第25-26页 |
| 4.本章小结 | 第26-27页 |
| 第三章 基于聚类和SVM的住院费用建模研究 | 第27-40页 |
| 1.算法思想 | 第27-28页 |
| 2.数据预处理 | 第28-34页 |
| ·数据预处理 | 第28-29页 |
| ·数据描述性分析 | 第29-32页 |
| ·住院费用的描述性分析 | 第32-34页 |
| 3.算法仿真实验 | 第34-38页 |
| ·实验一K-Means聚类过程及结果 | 第34-35页 |
| ·实验二支持向量机建模过程及结果 | 第35-36页 |
| ·实验三住院费用影响因素分析 | 第36-37页 |
| ·实验四与其他方法对比 | 第37-38页 |
| 4.讨论与建议 | 第38-39页 |
| 5.本章小结 | 第39-40页 |
| 第四章 基于GA-SVM的住院费用预测模型研究 | 第40-59页 |
| 1.基于GA-SVM的特征选择及参数优化算法 | 第41-44页 |
| ·染色体设置 | 第41-42页 |
| ·适应度函数 | 第42页 |
| ·算法流程 | 第42-44页 |
| 2.数据预处理 | 第44-49页 |
| ·数据介绍 | 第44页 |
| ·数据清洗 | 第44-45页 |
| ·离散化和归一化 | 第45-46页 |
| ·数据描述性分析 | 第46-48页 |
| ·K-Means聚类 | 第48-49页 |
| 3.算法仿真实验 | 第49-57页 |
| ·实验环境和参数设置 | 第49页 |
| ·实验及结果分析 | 第49-55页 |
| ·对比实验 | 第55-57页 |
| 4.讨论与建议 | 第57-58页 |
| 5.本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-63页 |
| 1.总结 | 第59-60页 |
| 2.创新之处 | 第60页 |
| 3.不足之处及展望 | 第60-63页 |
| ·不足之处 | 第60-61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 文献综述 | 第70-89页 |
| 综述参考文献 | 第83-89页 |
| 致谢 | 第89-90页 |
| 攻读硕士学位期间参加的科研项目及发表的文章 | 第90-91页 |
| 个人简介 | 第91页 |
