| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 引言 | 第11-12页 |
| 1.2.2 深度学习在图像识别领域的发展 | 第12页 |
| 1.2.3 深度学习在自然语言处理领域的应用 | 第12-13页 |
| 1.2.4 特征工程的流行 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 机器学习方法在乳腺癌预测上的应用 | 第17-35页 |
| 2.1 概述 | 第17页 |
| 2.2 数据集说明 | 第17-18页 |
| 2.3 乳腺癌疾病预测研究 | 第18-29页 |
| 2.3.1 实验算法介绍 | 第19-24页 |
| 2.3.2 预测结果以及分析 | 第24-29页 |
| 2.4 基因特征选择分析 | 第29-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 肺部医学影像信息识别研究 | 第35-40页 |
| 3.1 图像识别方法简介 | 第35-37页 |
| 3.2 医学影像识别网络结构以及实验结果分析 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于机器学习的网络信息规律以及影响力预测研究 | 第40-63页 |
| 4.1 引言 | 第40-41页 |
| 4.2 数据集的获取 | 第41-43页 |
| 4.2.1 移动终端新浪新闻数据获取 | 第41页 |
| 4.2.2 新浪微博数据获取 | 第41-43页 |
| 4.3 网络消息的点击规律研究 | 第43-56页 |
| 4.3.1 影响消息点击量的特征分析 | 第43-50页 |
| 4.3.2 新闻消息的点击规律研究 | 第50-56页 |
| 4.3.3 新闻点击在地域上的变化 | 第56页 |
| 4.4 消息影响力预测建模 | 第56-62页 |
| 4.4.1 基于特征工程的预测模型 | 第57-60页 |
| 4.4.2 基于深度学习的预测建模 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |