| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 研究的背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 中医临床数据疾病分类研究现状 | 第8-10页 |
| 1.2.2 不均衡数据分类研究现状 | 第10页 |
| 1.2.3 多标记分类数据研究现状 | 第10-11页 |
| 1.2.4 特征选择对分类的影响研究现状 | 第11-12页 |
| 1.3 本文主要研究内容及创新 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 不均衡数据疾病分类研究 | 第14-34页 |
| 2.1 不均衡数据分类问题的提出 | 第14-15页 |
| 2.2 不均衡数据问题的解决方法 | 第15-18页 |
| 2.2.1 从数据集层面的解决方法 | 第15-16页 |
| 2.2.2 基于分类器的改进方法 | 第16-18页 |
| 2.3 不均衡数据疾病分类方法设计 | 第18-24页 |
| 2.3.1 支持向量机 | 第18-20页 |
| 2.3.2 Bagging算法 | 第20-21页 |
| 2.3.3 数据重构方法的比较以及Asymmetric Bagging算法 | 第21-22页 |
| 2.3.4 FPUSAB算法 | 第22-24页 |
| 2.4 评价指标 | 第24-26页 |
| 2.4.1 相关定义 | 第25页 |
| 2.4.2 曲线下面积AUC | 第25-26页 |
| 2.5 数据介绍 | 第26-28页 |
| 2.6 实验设置与结果分析 | 第28-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 多标记数据疾病分类 | 第34-52页 |
| 3.1 多标记学习问题的引出 | 第34-35页 |
| 3.2 多标记学习问题解决方法 | 第35-37页 |
| 3.2.1 问题转换方法 | 第35-37页 |
| 3.2.2 算法适应方法 | 第37页 |
| 3.3 多标记数据疾病分类方法设计 | 第37-43页 |
| 3.3.1 ML-kNN和WML-kNN | 第37-40页 |
| 3.3.2 粒计算 | 第40-41页 |
| 3.3.3 基于粒计算和权重的WML-GkNN | 第41-43页 |
| 3.4 评价指标 | 第43-44页 |
| 3.5 数据介绍 | 第44-45页 |
| 3.6 实验设置和结果分析 | 第45-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 特征选择对疾病分类的影响 | 第52-64页 |
| 4.1 特征选择对疾病分类影响问题的引出 | 第52页 |
| 4.2 特征选择对不均衡数据疾病分类影响 | 第52-54页 |
| 4.3 特征选择对不均衡数据疾病分类影响实验设置与结果分析 | 第54-58页 |
| 4.4 特征选择对多标记数据疾病分类影响 | 第58-61页 |
| 4.4.1 多标记特征选择方法 | 第58-59页 |
| 4.4.2 HOML算法 | 第59-61页 |
| 4.5 特征选择对多标记数据疾病分类影响实验设置与结果分析 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 攻读硕士学位期间发表的论文及科研成果 | 第71页 |
