摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
1 引言 | 第13-20页 |
1.1 研究背景及意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-18页 |
1.2.1 心血管疾病研究现状 | 第14-16页 |
1.2.2 BP神经网络预测算法研究现状 | 第16页 |
1.2.3 灰色模型预测算法研究现状 | 第16-17页 |
1.2.4 组合模型算法研究现状 | 第17-18页 |
1.3 本文研究内容与章节安排 | 第18-20页 |
2 相关技术与理论知识 | 第20-32页 |
2.1 神经网络模型 | 第20-25页 |
2.1.1 人工神经网络工作原理 | 第20页 |
2.1.2 神经元模型 | 第20-22页 |
2.1.3 神经网络的类型 | 第22-24页 |
2.1.4 神经网络的学习规则 | 第24-25页 |
2.2 灰色系统理论 | 第25-27页 |
2.2.1 灰色系统理论概述 | 第25-26页 |
2.2.2 灰色模型的特点 | 第26-27页 |
2.3 主成分分析法 | 第27-28页 |
2.4 组合模型基本理论 | 第28-30页 |
2.4.1 神经网络优缺点 | 第28页 |
2.4.2 灰色系统理论优缺点 | 第28页 |
2.4.3 组合灰色神经网络 | 第28-30页 |
2.5 相关软件介绍 | 第30-31页 |
2.5.1 SPSS软件 | 第30页 |
2.5.2 MATLAB软件 | 第30-31页 |
2.6 本章小结 | 第31-32页 |
3 心血管疾病死亡人数的预测方法及数据分析 | 第32-36页 |
3.1 心血管疾病死亡人数预测方法 | 第32页 |
3.2 数据分析 | 第32-35页 |
3.2.1 数据介绍 | 第32-33页 |
3.2.2 数据分析与处理 | 第33-35页 |
3.3 本章小结 | 第35-36页 |
4 基于BP神经网络的心血管疾病死亡人数预测模型 | 第36-44页 |
4.1 基于BP神经网络的预测模型 | 第36-37页 |
4.2 BP神经网络的学习过程 | 第37-39页 |
4.3 基于BP神经网络的心血管疾病死亡人数预测 | 第39-43页 |
4.3.1 构建BP神经网络 | 第39-40页 |
4.3.2 基于BP神经网络的心血管疾病死亡人数预测模型 | 第40-42页 |
4.3.3 预测模型的评价 | 第42-43页 |
4.4 本章小结 | 第43-44页 |
5 基于灰色模型的心血管疾病死亡人数预测模型 | 第44-54页 |
5.1 灰色预测法 | 第44页 |
5.2 灰色生成数列的处理方法 | 第44-46页 |
5.2.1 累加生成 | 第45页 |
5.2.2 累减生成 | 第45-46页 |
5.2.3 加权邻值生成 | 第46页 |
5.3 GM(1,1)模型 | 第46-49页 |
5.3.1 GM(1,1)建模的步骤 | 第46-48页 |
5.3.2 GM(1,1)模型检验 | 第48-49页 |
5.4 基于灰色模型的心血管疾病死亡人数预测研究 | 第49-53页 |
5.4.1 数据的选择 | 第49-50页 |
5.4.2 GM(1,1)预测模型结果分析 | 第50-52页 |
5.4.3 GM(1,1)预测模型检验 | 第52-53页 |
5.5 本章小结 | 第53-54页 |
6 基于优化的心血管疾病死亡人数预测模型 | 第54-67页 |
6.1 基于PCA-BP神经网络的心血管疾病死亡人数预测模型 | 第54-61页 |
6.1.1 PCA-BP神经网络模型的构建过程 | 第54-55页 |
6.1.2 主成分分析原理 | 第55-56页 |
6.1.3 主成分因子的提取 | 第56-59页 |
6.1.4 PCA-BP神经网络的心血管疾病死亡人数预测 | 第59-61页 |
6.1.5 预测模型的性能评价 | 第61页 |
6.2 基于组合灰色神经网络的心血管疾病死亡人数预测模型 | 第61-66页 |
6.2.1 串联型灰色神经网络的心血管疾病死亡人数预测 | 第62-64页 |
6.2.2 并联型灰色神经网络的心血管疾病死亡人数预测 | 第64-66页 |
6.3 本章小结 | 第66-67页 |
7 总结与展望 | 第67-69页 |
7.1 全文工作总结 | 第67-68页 |
7.2 未来工作展望 | 第68-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-75页 |
攻读硕士学位期间发表的学术成果 | 第75-76页 |