医学知识获取与发现的研究
绪论 | 第1-19页 |
·医学专家系统的研究现状与面临的问题 | 第8-10页 |
·医学知识获取和发现 | 第10-12页 |
·本课题意义与研究内容 | 第12-17页 |
·论文的创新性 | 第17-19页 |
第二章 医学知识获取与发现系统构架 | 第19-46页 |
·医学知识获取与发现系统架构 | 第20-24页 |
·基于知识编辑器的医学知识获取系统 | 第24-26页 |
·基于数据挖掘的医学知识发现系统 | 第26-29页 |
·样本数据的获取与数据库设计 | 第29-33页 |
·SLVDS物理数据模型 | 第29页 |
·IRAS物理数据模型物理数据模型 | 第29-30页 |
·PIMA 印第安部族糖尿病数据库 | 第30-31页 |
·天津地区2002年高级干部健康普查数据 | 第31-33页 |
·我国官方公布的糖尿病普查报告的数据 | 第33页 |
·数据预处理及多维数据集 | 第33-41页 |
·数据预处理 | 第33-34页 |
·属性概化分层 | 第34-36页 |
·多维数据集 | 第36-38页 |
·糖尿病并发症的多维数据集设计 | 第38-41页 |
·数据挖掘模型与算法引擎 | 第41-44页 |
·关联规则挖掘 | 第41-42页 |
·Rough集理论 | 第42-43页 |
·人工神经网络 | 第43-44页 |
·模糊C均值聚类(FCM) | 第44页 |
·模式评估与可视化模型化表达 | 第44-45页 |
·本章小结 | 第45-46页 |
第三章 定性数据定量化挖掘模型及算法引擎设计 | 第46-66页 |
·糖尿病并发症关联型知识发现 | 第47-60页 |
·关联模型的经典数学描述 | 第47-48页 |
·算法设计 | 第48-52页 |
·建模实现 | 第52-56页 |
·去冗余效果分析 | 第56页 |
·残余信息的挖掘和条件置信度的提出 | 第56-60页 |
·糖尿病并发症的Rough模型分析 | 第60-65页 |
·Rough集理论 | 第60-61页 |
·经典的Rough集算法 | 第61-63页 |
·属性约简算法 | 第61-62页 |
·Rough规则学习算法 | 第62-63页 |
·基于Rough集糖尿病并发症信息模型 | 第63-65页 |
·本章小结 | 第65-66页 |
第四章 定量数据挖掘模型与算法 | 第66-82页 |
·生理参数的统计分析 | 第66-71页 |
·OGTT试验 | 第67-69页 |
·肥胖的影响 | 第69-70页 |
·年龄及其他因素的影响 | 第70-71页 |
·基于人工神经网络的聚类分析 | 第71-75页 |
·人工神经网络技术简述 | 第71-72页 |
·数学模型及相关参数设定 | 第72-74页 |
·模型结果与分析 | 第74-75页 |
·基于模糊C均值(FCM)的聚类分析 | 第75-81页 |
·模糊集基本理论 | 第75-76页 |
·K均值聚类算法(HCM | 第76-77页 |
·模糊C均值聚类 | 第77-78页 |
·模型结果与分析 | 第78-81页 |
·本章小结 | 第81-82页 |
第五章 知识的可视化模型化表达 | 第82-94页 |
·树型知识归纳和可视化表达 | 第82-89页 |
·关联知识树 | 第83-86页 |
·基于决策树的概念分层 | 第86-89页 |
·生理参数Logistic回归模型 | 第89-92页 |
·定性因变量的回归方程 | 第89-90页 |
·Logistic回归模型 | 第90-91页 |
·数学模型及数值计算结果 | 第91-92页 |
·本章小结 | 第92-94页 |
第六章 基于知识编辑器的医学知识获取系统 | 第94-115页 |
·糖尿病知识UML表达 | 第94-109页 |
·糖尿病研究的医学背景 | 第94-101页 |
·II型糖尿病发病的危险因素及机制 | 第95-98页 |
·胰岛素抵抗现象 | 第98-99页 |
·胰岛细胞功能与血糖调节 | 第99-101页 |
·医学知识抽象归纳与融合 | 第101-103页 |
·医学知识的UML表达 | 第103-109页 |
·基于知识编辑器的交互式知识获取 | 第109-114页 |
·糖尿病研究交互式知识获取系统设计 | 第109-111页 |
·交互式知识获取实例分析 | 第111-114页 |
·本章小结 | 第114-115页 |
第七章 总结与展望 | 第115-119页 |
·论文的创新性与不足 | 第115-116页 |
·本课题发展趋势的展望 | 第116-119页 |
参考文献 | 第119-129页 |
附录 | 第129-149页 |