| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题背景与研究意义 | 第10-11页 |
| 1.3 国内外应用研究现状 | 第11-13页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13页 |
| 1.4 课题研究内容及主要工作 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 2 相关理论与技术基础 | 第15-27页 |
| 2.1 数据挖掘 | 第15-18页 |
| 2.1.1 数据挖掘概述 | 第15页 |
| 2.1.2 数据挖掘定义 | 第15页 |
| 2.1.3 数据挖掘流程 | 第15-18页 |
| 2.2 数据挖掘常用分类算法 | 第18-26页 |
| 2.2.1 人工神经网络 | 第18-21页 |
| 2.2.2 C4.5决策树算法 | 第21-24页 |
| 2.2.3 支持向量机 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 颈动脉硬化斑块临床检测 | 第27-30页 |
| 3.1 颈动脉血管的超声检查 | 第27-28页 |
| 3.2 颈动脉血流动力学信息 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 颈动脉硬化斑块数据挖掘 | 第30-50页 |
| 4.1 Weka数据挖掘工具简介 | 第30-34页 |
| 4.1.1 ARFF文件结构 | 第32-33页 |
| 4.1.2 颈动脉血流动力信息样本集的ARFF文件 | 第33-34页 |
| 4.2 数据准备 | 第34-39页 |
| 4.2.1 数据预处理 | 第35-39页 |
| 4.3 颈动脉硬化血流信息数据建模 | 第39-49页 |
| 4.3.1 BP算法建模 | 第39-43页 |
| 4.3.2 C4.5算法建模 | 第43-46页 |
| 4.3.3 支持向量机建模 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 评估与优化 | 第50-62页 |
| 5.1 实验环境 | 第50页 |
| 5.2 评估方法简介 | 第50-52页 |
| 5.3 BP算法、C4.5算法、支持向量机评估结果对比分析 | 第52-56页 |
| 5.3.1 建模时间对比分析 | 第52页 |
| 5.3.2 可解释性对比分析 | 第52-53页 |
| 5.3.3 误差对比分析 | 第53页 |
| 5.3.4 成本对比分析 | 第53-56页 |
| 5.4 集成学习 | 第56-61页 |
| 5.4.1 常用集成学习算法 | 第57-58页 |
| 5.4.2 支持向量机集成学习 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-70页 |