首页--医药、卫生论文--肿瘤学论文--肿瘤学实验研究论文--肿瘤学调查与统计论文

基于决策树集成学习的癌症存活性预测分析

摘要第2-3页
Abstract第3-4页
1 绪论第7-12页
    1.1 研究背景及意义第7-8页
    1.2 研究内容及创新点第8-9页
    1.3 研究方法与技术路线第9-11页
        1.3.1 研究方法第9页
        1.3.2 技术路线第9-11页
    1.4 论文的组织结构第11-12页
2 相关研究及其研究现状第12-19页
    2.1 癌症存活性预测研究第12-14页
        2.1.1 传统的癌症存活性预测方法研究第12-13页
        2.1.2 基于单一机器学习模型的癌症存活性预测研究第13页
        2.1.3 基于集成学习模型的癌症存活性预测研究第13-14页
    2.2 决策树集成学习方法的相关研究第14-16页
        2.2.1 集成学习及其发展研究第14-15页
        2.2.2 决策树集成学习模型及其改进研究第15-16页
    2.3 知识视角的机器学习模型管理研究第16-19页
        2.3.1 模型管理的相关研究第16页
        2.3.2 知识元理论与模型的知识表示第16-19页
3 改进随机森林的癌症存活性分类方法第19-26页
    3.1 癌症存活性分类问题描述第19-20页
    3.2 改进随机森林的集成分类方法第20-26页
        3.2.1 基于随机森林算法的分类树池生成第21-22页
        3.2.2 基于遗传算法的分类树进化搜索及集成第22-26页
4 基于考虑MSE和多样性的回归树集成的癌症存活期预测方法第26-35页
    4.1 癌症存活期预测问题描述第26-27页
    4.2 考虑MSE和多样性的回归树集成方法第27-35页
        4.2.1 回归树池的生成第28-31页
        4.2.2 考虑MSE和多样性的回归树模型选择及集成第31-35页
5 癌症存活性预测实验第35-49页
    5.1 数据描述及预处理第35-37页
    5.2 基于改进随机森林的集成分类方法的癌症存活性分类实验第37-41页
        5.2.1 实验设置第38-39页
        5.2.2 实验结果及分析第39-41页
    5.3 基于考虑MSE和多样性的回归树集成的癌症存活期预测实验第41-47页
        5.3.1 实验设置第41-42页
        5.3.2 实验结果及分析第42-47页
    5.4 癌症存活性预测模型的知识管理第47-49页
结论第49-50页
参考文献第50-54页
攻读硕士学位期间发表学术论文情况第54-55页
致谢第55-57页

论文共57页,点击 下载论文
上一篇:社区问答系统问句检索方法研究
下一篇:基于物联网的供热计量智能管理应用研究