| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题研究背景 | 第11-15页 |
| ·耳穴基本知识和发展简史 | 第11-13页 |
| ·耳穴诊断医学依据 | 第13页 |
| ·当前研究和发展现状 | 第13-14页 |
| ·面临的机遇和挑战 | 第14-15页 |
| ·本课题的研究价值 | 第15-16页 |
| ·本论文主要内容和组织 | 第16-17页 |
| 第二章 数据挖掘基本理论 | 第17-31页 |
| ·数据挖掘概述 | 第17-21页 |
| ·数据挖掘的产生 | 第17-18页 |
| ·数据挖掘的定义 | 第18-20页 |
| ·数据挖掘的功能 | 第20-21页 |
| ·聚类分析技术 | 第21-27页 |
| ·聚类概论 | 第21-22页 |
| ·聚类分析的特点 | 第22-23页 |
| ·聚类分析的发展 | 第23-24页 |
| ·主要聚类算法 | 第24-27页 |
| ·BP神经网络技术 | 第27-30页 |
| ·BP神经网络概论 | 第27页 |
| ·BP神经网络结构 | 第27-28页 |
| ·BP神经网络设计要求 | 第28-29页 |
| ·标准BP算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于ISOFM的K-means两阶段聚类算法 | 第31-42页 |
| ·自组织特征映射网络算法 | 第31-34页 |
| ·Kohonen神经网络 | 第31-32页 |
| ·标准SOFM算法 | 第32-33页 |
| ·标准SOFM算法性能分析 | 第33-34页 |
| ·K-means聚类算法 | 第34-35页 |
| ·标准K-means聚类算法 | 第34页 |
| ·标准K-means聚类算法性能分析 | 第34-35页 |
| ·传统聚类算法的缺点 | 第35页 |
| ·改进自组织特征映射网络 | 第35-38页 |
| ·改进思路 | 第35-36页 |
| ·改进自组织特征映射神经网络算法 | 第36-38页 |
| ·基于ISOFM的K-means两阶段聚类算法 | 第38-41页 |
| ·Improved SOFM K-means算法 | 第38页 |
| ·ISOFMK算法流程 | 第38-39页 |
| ·ISOFMK仿真实验结果 | 第39-41页 |
| ·ISOFMK算法性能分析 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于ISOFMK和BP集成的中医耳穴智能诊断仪 | 第42-56页 |
| ·仪器设计 | 第42-47页 |
| ·仪器硬件设计 | 第42-44页 |
| ·系统界面设计 | 第44-45页 |
| ·系统模块设计 | 第45-47页 |
| ·ISOFMK和BP在仪器测量分析模块的集成应用 | 第47-55页 |
| ·耳穴生物电阻值预处理 | 第48-49页 |
| ·耳穴生物电阻值ISOFMK聚类 | 第49-51页 |
| ·耳穴生物电阻值BP神经网络学习 | 第51-54页 |
| ·耳穴测量电阻值诊断 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论和展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 研究生期间个人成果 | 第61-63页 |
| 致谢 | 第63页 |