| 中文摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 前言 | 第11-13页 |
| 第1章 绪论 | 第13-16页 |
| 1.1 数据挖掘在临床医学中的应用背景 | 第13-14页 |
| 1.2 课题的研究目的和意义 | 第14页 |
| 1.3 课题的主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 数据挖掘理论 | 第16-28页 |
| 2.1 数据挖掘的基本概念 | 第16-17页 |
| 2.2 数据挖掘的流程及体系结构 | 第17-21页 |
| 2.2.1 数据挖掘的流程 | 第17-19页 |
| 2.2.2 数据挖掘的体系结构 | 第19-21页 |
| 2.3 数据挖掘可实现的功能及算法 | 第21-23页 |
| 2.4 数据挖掘与其他相关技术的关系 | 第23-27页 |
| 2.4.1 数据挖掘与 KDD | 第24-25页 |
| 2.4.2 数据挖掘与 OLAP | 第25-26页 |
| 2.4.3 数据挖掘与人工智能、机器学习 | 第26页 |
| 2.4.4 数据挖掘与统计学 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 贝叶斯决策方法及其改进 | 第28-37页 |
| 3.1 贝叶斯决策基本理论 | 第28-31页 |
| 3.2 朴素贝叶斯算法及其特点 | 第31-33页 |
| 3.2.1 条件独立性 | 第31页 |
| 3.2.2 类条件概率的估计 | 第31-32页 |
| 3.2.3 朴素贝叶斯分类器的特点 | 第32-33页 |
| 3.3 朴素贝叶斯方法的改进 | 第33-36页 |
| 3.3.1 基于逻辑回归 Wald 值对属性进行加权 | 第33-34页 |
| 3.3.2 利用核密度估计法计算类条件概率 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 BP 神经网络及其改进 | 第37-46页 |
| 4.1 人工神经网络的基本理论 | 第37-40页 |
| 4.1.1 生物学基础 | 第37-38页 |
| 4.1.2 人工神经网络的基本概念 | 第38-39页 |
| 4.1.3 人工神经网络的几种类型 | 第39-40页 |
| 4.2 BP 神经网络及其局限性 | 第40-43页 |
| 4.2.1 BP 算法的学习过程 | 第40-43页 |
| 4.2.2 BP 神经网络的优势与局限性 | 第43页 |
| 4.3 改进的 BP 神经网络 | 第43-45页 |
| 4.3.1 添加动量项的方法 | 第44页 |
| 4.3.2 自适应调整学习速率 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 贝叶斯决策方法在 ICU 数据集上的应用 | 第46-55页 |
| 5.1 引言 | 第46页 |
| 5.2 研究对象 | 第46-47页 |
| 5.3 处理方法 | 第47-50页 |
| 5.3.1 数据预处理 | 第47-48页 |
| 5.3.2 ICU 患者死亡概率预测 | 第48-49页 |
| 5.3.3 模型评估 | 第49-50页 |
| 5.4 结果与讨论 | 第50-53页 |
| 5.4.1 Logistic 回归及变量筛选结果 | 第50-52页 |
| 5.4.2 模型比较与验证结果 | 第52-53页 |
| 5.4.3 讨论 | 第53页 |
| 5.5 本章小结 | 第53-55页 |
| 第6章 BP 神经网络在输血数据集上的应用 | 第55-68页 |
| 6.1 引言 | 第55页 |
| 6.2 研究对象 | 第55-56页 |
| 6.3 处理方法 | 第56-61页 |
| 6.3.1 数据预处理 | 第57-58页 |
| 6.3.2 神经网络数值预测 | 第58-61页 |
| 6.3.3 输血疗效预判 | 第61页 |
| 6.4 结果与讨论 | 第61-67页 |
| 6.4.1 输血疗效的影响因素 | 第61-63页 |
| 6.4.2 多指标综合评分模型 | 第63-64页 |
| 6.4.3 测试验证结果 | 第64-66页 |
| 6.4.4 讨论 | 第66-67页 |
| 6.5 本章小结 | 第67-68页 |
| 第7章 总结与展望 | 第68-70页 |
| 7.1 全文总结 | 第68-69页 |
| 7.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 文献综述 | 第74-79页 |
| 参考文献 | 第77-79页 |
| 攻读学位期间发表文章情况 | 第79-80页 |
| 致谢 | 第80-81页 |