| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景和现状 | 第9-11页 |
| 1.3 课题研究目的和意义 | 第11页 |
| 1.4 本文的主要工作和创新点 | 第11-13页 |
| 1.5 本文的组织结构 | 第13-15页 |
| 第二章 基于遗传算法的危险因素特征选择 | 第15-35页 |
| 2.1 遗传算法概述 | 第15页 |
| 2.2 遗传算法的基本思想和原理 | 第15-20页 |
| 2.3 遗传算法在数据处理上的应用 | 第20-21页 |
| 2.4 基于遗传算法的肝癌放疗致HBV再激活危险因素特征选择 | 第21-24页 |
| 2.4.1 基因的编码与解码 | 第21页 |
| 2.4.2 适应度函数的选择 | 第21-22页 |
| 2.4.3 选择策略 | 第22页 |
| 2.4.4 交叉策略 | 第22-23页 |
| 2.4.5 变异策略 | 第23页 |
| 2.4.6 种群规模和特征子集规模 | 第23-24页 |
| 2.4.7 终止条件 | 第24页 |
| 2.5 基于遗传算法的肝癌放疗致HBV再激活特征选择实验结果和分析 | 第24-32页 |
| 2.6 本章小结 | 第32-35页 |
| 第三章 基于BP和RBF神经网络的HBV再激活分类预测模型 | 第35-53页 |
| 3.1 人工神经网络简介 | 第35页 |
| 3.2 BP神经网络 | 第35-38页 |
| 3.2.1 BP神经网络的结构和学习规则 | 第35-38页 |
| 3.2.2 BP神经网络的应用 | 第38页 |
| 3.3 RBF神经网络 | 第38-40页 |
| 3.3.1 RBF神经网络结构和学习过程 | 第38-40页 |
| 3.3.2 RBF神经网络的应用 | 第40页 |
| 3.4 k折交叉验证和分类性能评估 | 第40-41页 |
| 3.5 基于BP和RBF神经网络的HBV再激活分类预测模型 | 第41-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第四章 基于CART算法的HBV再激活分类预测模型 | 第53-65页 |
| 4.1 CART算法简介 | 第53-54页 |
| 4.2 构建CART决策树 | 第54-55页 |
| 4.3 CART决策树的剪枝 | 第55-56页 |
| 4.4 CART算法的应用 | 第56页 |
| 4.5 基于CART算法的HBV再激活分类预测模型 | 第56-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 结论与工作展望 | 第65-67页 |
| 5.1 结论 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 在学期间主要科研成果 | 第75页 |
| 一、发表学术论文 | 第75页 |
| 二、获奖情况 | 第75页 |
| 三、参与科研项目 | 第75页 |
