| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文研究内容和重点 | 第16-17页 |
| 1.4 论文章节安排 | 第17-19页 |
| 第2章 基于KELM神经网络模型的构建原理 | 第19-32页 |
| 2.1 人工神经网络 | 第19-22页 |
| 2.1.1 基本概念 | 第19-21页 |
| 2.1.2 模型结构 | 第21-22页 |
| 2.2 支持向量机 | 第22-26页 |
| 2.2.1 基本原理 | 第22-25页 |
| 2.2.2 核函数原理 | 第25-26页 |
| 2.3 核极限学习机 | 第26-31页 |
| 2.3.1 理论基础 | 第26-28页 |
| 2.3.2 KELM算法 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于数据处理和参数优化模型的构建 | 第32-47页 |
| 3.1 主元分析方法简介 | 第32-35页 |
| 3.1.1 方法来源 | 第32页 |
| 3.1.2 方法综述 | 第32-33页 |
| 3.1.3 基本步骤 | 第33-35页 |
| 3.2 主元分析实例 | 第35-40页 |
| 3.2.1 病理数据来源 | 第35-37页 |
| 3.2.2 编程实现 | 第37-40页 |
| 3.3 PSO算法介绍 | 第40-42页 |
| 3.3.1 算法来源 | 第40页 |
| 3.3.2 算法综述 | 第40-41页 |
| 3.3.3 算法流程 | 第41-42页 |
| 3.4 PSO实例分析 | 第42-46页 |
| 3.4.1 病理数据来源 | 第42-43页 |
| 3.4.2 编程实现 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于PCA-PSO-KELM模型的病理数据分析 | 第47-66页 |
| 4.1 数据归一化及模型建立 | 第47-50页 |
| 4.2 PCA-PSO-KELM模型在乳腺癌病理数据的应用 | 第50-57页 |
| 4.2.1 乳腺癌数据的获取与预处理 | 第50-52页 |
| 4.2.2 数据的降维处理 | 第52-53页 |
| 4.2.3 模型建立 | 第53-57页 |
| 4.3 PCA-PSO-KELM模型在冠心病病理数据的应用 | 第57-63页 |
| 4.3.1 临床冠心病数据的获取与预处理 | 第57-60页 |
| 4.3.2 数据的降维处理 | 第60-62页 |
| 4.3.3 模型建立 | 第62-63页 |
| 4.4 各种算法性能比较 | 第63-65页 |
| 4.4.1 PCA-LVQ模型对比 | 第63-64页 |
| 4.4.2 PCA-SVM模型对比 | 第64页 |
| 4.4.3 PCA-KELM模型对比 | 第64-65页 |
| 4.4.4 综合对比 | 第65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间参加的科研项目和成果 | 第74页 |
