| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 论文研究价值 | 第10-11页 |
| 1.3 数据挖掘在医学领域研究现状 | 第11-12页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12页 |
| 1.4 论文的主要内容 | 第12-13页 |
| 1.5 论文创新点 | 第13-14页 |
| 1.6 论文的组织结构 | 第14-16页 |
| 第2章 相关理论介绍 | 第16-23页 |
| 2.1 属性约简理论 | 第16-18页 |
| 2.1.1 粗糙集理论 | 第16-17页 |
| 2.1.2 邻域粗糙集基本理论 | 第17-18页 |
| 2.2 分类算法 | 第18-22页 |
| 2.2.1 随机森林 | 第19-20页 |
| 2.2.2 NaiveBayes | 第20-21页 |
| 2.2.3 BP神经网络 | 第21页 |
| 2.2.4 C4.5算法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于改进邻域粗糙集属性约简和随机森林分类算法 | 第23-30页 |
| 3.1 改进邻域粗糙集属性约简算法 | 第23-27页 |
| 3.1.1 邻域粗糙集属性约简相关研究 | 第23页 |
| 3.1.2 邻域粗糙集属性约简改进 | 第23-25页 |
| 3.1.3 改进的邻域粗糙集(INRS)实例验证 | 第25-27页 |
| 3.2 改进的邻域粗糙集属性约简和随机森林结合的分类算法思想 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 糖尿病数据预处理与维度分析 | 第30-38页 |
| 4.1 糖尿病疾病背景 | 第30-32页 |
| 4.1.1 糖尿病的认识 | 第30页 |
| 4.1.2 全球糖尿病现状 | 第30-32页 |
| 4.2 糖尿病临床数据源概况 | 第32-33页 |
| 4.3 糖尿病临床数据数据预处理 | 第33-36页 |
| 4.3.1 数据清洗 | 第33-35页 |
| 4.3.2 数据转换 | 第35-36页 |
| 4.4 糖尿病临床数据维度分析 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 糖尿病预测模型构建 | 第38-47页 |
| 5.1 糖尿病疾病诊断背景 | 第38页 |
| 5.2 基于改进的邻域粗糙集和随机森林的糖尿病预测模型 | 第38-46页 |
| 5.2.1 构造INRS的糖尿病特征预测模型 | 第38-42页 |
| 5.2.2 糖尿病临床数据分类预测实现 | 第42-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第6章 糖尿病预测模型实验结果与分析 | 第47-54页 |
| 6.1 评估方法简介 | 第47-48页 |
| 6.2 模型结果评估 | 第48-53页 |
| 6.2.1 数据属性约简效果评估 | 第48-49页 |
| 6.2.2 分类器效果评估 | 第49-53页 |
| 6.3 本章小结 | 第53-54页 |
| 第7章 总结与展望 | 第54-56页 |
| 7.1 本文总结 | 第54页 |
| 7.2 未来展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-67页 |
| 附录A 特征选择对照模型实现 | 第59-60页 |
| 附录B 分类器对照模型实现 | 第60-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |
