支持向量机方法在智能医疗诊断系统中的应用与研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的提出 | 第8页 |
| ·课题的研究背景 | 第8-11页 |
| ·课题的研究方案 | 第11-12页 |
| ·智能诊断系统的结构框架 | 第11页 |
| ·智能诊断系统的医学诊断理论依据 | 第11-12页 |
| ·人体阻抗信息采集方案 | 第12页 |
| ·课题研究的主要内容 | 第12-14页 |
| 第二章 人体阻抗智能诊断系统的结构及其理论基础 | 第14-26页 |
| ·人体阻抗智能医疗诊断系统的框架结构 | 第14-17页 |
| ·嵌入式数据采集装置的结构 | 第15-17页 |
| ·PC诊断平台 | 第17页 |
| ·生物电阻抗测量技术与人体阻抗信息采集 | 第17-21页 |
| ·生物电阻抗测量技术 | 第17-20页 |
| ·人体穴位电阻抗采集 | 第20-21页 |
| ·中医学理论依据与人体阻抗信息采集点的确定 | 第21-26页 |
| ·中医经络学说 | 第22-23页 |
| ·中医脏腑辨证理论 | 第23-26页 |
| 第三章 机器学习和支持向量机分类 | 第26-44页 |
| ·概述 | 第26-27页 |
| ·统计学基本理论 | 第27-29页 |
| ·VC维 | 第27页 |
| ·推广性的界 | 第27-28页 |
| ·结构风险最小化 | 第28-29页 |
| ·支持向量机理论 | 第29-35页 |
| ·支持向量机的基本原理 | 第30-31页 |
| ·广义最优分类超平面 | 第31-33页 |
| ·支持向量机核函数 | 第33-35页 |
| ·数据分类和SVM分类 | 第35-40页 |
| ·数据分类过程 | 第35-36页 |
| ·数据分类方法 | 第36页 |
| ·SVM分类方法 | 第36-40页 |
| ·支持向量机算法和神经网络传统算法比较 | 第40-44页 |
| ·训练算法比较 | 第41-44页 |
| 第四章 人体阻抗数据的支持向量机分类 | 第44-76页 |
| ·样本数据的提取及特征向量的选取 | 第44-51页 |
| ·样本数据的提取 | 第45-49页 |
| ·人体阻抗数据特征向量的提取 | 第49-51页 |
| ·基于SVM脾胃样本二分类分析 | 第51-61页 |
| ·数据预处理 | 第51-53页 |
| ·绝对值形式特征向量SVM分类 | 第53-58页 |
| ·相对值形式特征向量SVM分类 | 第58-61页 |
| ·基于SVM脾胃样本三分类分析 | 第61-68页 |
| ·绝对值形式特征向量脾胃样本三分类 | 第62-65页 |
| ·相对值形式特征向量脾胃样本三分类 | 第65-68页 |
| ·脾胃及正常样本三分类小结 | 第68页 |
| ·中风及正常样本二分类 | 第68-76页 |
| ·绝对值形式特征向量中风及正常样本分类 | 第68-71页 |
| ·相对值形式特征向量的中风及正常样本分类 | 第71-74页 |
| ·中风及正常样本分类小结 | 第74-76页 |
| 第五章 课题研究总结与展望 | 第76-80页 |
| ·课题研究工作总结 | 第76-78页 |
| ·进一步研究工作的方向 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-87页 |
| 附录1 相对值形式特征向量 | 第87-88页 |
| 附录2 绝对值形式特征向量 | 第88页 |
