| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景和意义 | 第9-10页 |
| 1.2 识别抑郁症的进展 | 第10-12页 |
| 1.3 案例推理技术发展状况 | 第12-15页 |
| 1.3.1 案例推理技术的研究进展 | 第12-13页 |
| 1.3.2 案例检索策略的研究现状 | 第13-14页 |
| 1.3.3 检索前属性约简的研究现状 | 第14-15页 |
| 1.4 本文研究内容与章节安排 | 第15-17页 |
| 1.4.1 本文主要研究内容 | 第15页 |
| 1.4.2 本文结构安排 | 第15-17页 |
| 第二章 相关理论和知识简述 | 第17-24页 |
| 2.1 抑郁症与脑电信号概述 | 第17-18页 |
| 2.1.1 抑郁症的临床表现 | 第17页 |
| 2.1.2 脑电信号(Electroencephalography,EEG)的相关知识 | 第17-18页 |
| 2.2 案例推理概述 | 第18-19页 |
| 2.3 CBR-4R模型的相关介绍 | 第19-23页 |
| 2.3.1 案例表示 | 第19-20页 |
| 2.3.2 案例检索 | 第20-22页 |
| 2.3.3 案例重用 | 第22页 |
| 2.3.4 案例修正与保存 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 遗传算法融合赋权的相似度检索方法研究 | 第24-42页 |
| 3.1 引言 | 第24-25页 |
| 3.2 现有CBR赋权方案的比较 | 第25-27页 |
| 3.2.1 领域专家法设定权重 | 第25页 |
| 3.2.2 基于主成分分析的权重设定方法 | 第25-26页 |
| 3.2.3 基于变异系数的权重设定方法 | 第26-27页 |
| 3.2.4 基于信息熵的权重设定方法 | 第27页 |
| 3.3 遗传算法在模型优化中的优势 | 第27-31页 |
| 3.3.1 遗传算法基本概念 | 第28-31页 |
| 3.3.2 遗传算法的参数控制 | 第31页 |
| 3.4 基于遗传算法融合赋权的相似度检索方案 | 第31-34页 |
| 3.4.1 基于遗传算法的权重融合方法 | 第31-33页 |
| 3.4.2 案例相似度检索方法 | 第33-34页 |
| 3.5 实验研究 | 第34-41页 |
| 3.5.1 实验数据 | 第35页 |
| 3.5.2 实验方案 | 第35-36页 |
| 3.5.3 实验结果 | 第36-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于融合赋权的相似度检索方案识别抑郁症 | 第42-58页 |
| 4.1 实验范式及数据采集 | 第42-46页 |
| 4.2 脑电属性约简 | 第46-51页 |
| 4.2.1 脑电数据的预处理 | 第46-47页 |
| 4.2.2 脑电数据的特征提取 | 第47-48页 |
| 4.2.3 脑电数据的属性约简 | 第48-51页 |
| 4.2.4 实验结果及分析 | 第51页 |
| 4.3 抑郁症的案例表示与说明 | 第51-52页 |
| 4.4 基于GAFCBR的相似度检索方法识别抑郁症 | 第52-55页 |
| 4.4.1 实验设计 | 第52-53页 |
| 4.4.2 测试过程及结果 | 第53-55页 |
| 4.5 结果分析 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |