| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·数据挖掘概述 | 第12-14页 |
| ·数据挖掘的定义 | 第12页 |
| ·数据挖掘的过程 | 第12-13页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·前列腺癌概述 | 第14-17页 |
| ·前列腺癌的危险因素 | 第15页 |
| ·前列腺癌的诊断方法 | 第15-16页 |
| ·前列腺癌的治疗方法 | 第16-17页 |
| ·论文的组织结构 | 第17-19页 |
| 第2章 相关理论与技术 | 第19-42页 |
| ·主成分分析 | 第19-22页 |
| ·主成分分析的基本原理 | 第19页 |
| ·主成分分析的数学模型 | 第19-20页 |
| ·主成分的贡献率 | 第20-21页 |
| ·主成分分析的算法步骤 | 第21-22页 |
| ·BP神经网络 | 第22-35页 |
| ·人工神经网络 | 第22-29页 |
| ·生物神经元和人工神经元 | 第23-28页 |
| ·人工神经网络的结构 | 第28页 |
| ·人工神经网络的学习 | 第28-29页 |
| ·BP神经网络 | 第29-35页 |
| ·BP神经网络的结构 | 第29页 |
| ·BP神经网络的算法原理 | 第29-33页 |
| ·BP神经网络的学习过程 | 第33-35页 |
| ·BP神经网络的特点 | 第35页 |
| ·遗传算法 | 第35-41页 |
| ·遗传算法的基本原理 | 第35-36页 |
| ·遗传算法的基本术语 | 第36页 |
| ·遗传算法的运算流程 | 第36-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 研究数据 | 第42-59页 |
| ·数据来源 | 第42页 |
| ·数据预处理 | 第42-48页 |
| ·研究对象的确定 | 第48页 |
| ·纳入标准 | 第48页 |
| ·排除标准 | 第48页 |
| ·分组 | 第48页 |
| ·数据初探 | 第48-56页 |
| ·数据的描述性统计 | 第48-49页 |
| ·患病情况与研究指标间的关系 | 第49-53页 |
| ·研究指标间的相关分析 | 第53-56页 |
| ·不平衡数据集的分类评价方法 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 基于GA_BP神经网络的前列腺癌预测模型研究 | 第59-78页 |
| ·引言 | 第59-60页 |
| ·显著预测因子的筛选 | 第60-61页 |
| ·主成分分析 | 第61-62页 |
| ·预测模型的构建 | 第62-74页 |
| ·GA_BP算法 | 第62-63页 |
| ·设计思路 | 第63页 |
| ·具体实现 | 第63-74页 |
| ·数据归一化 | 第63-65页 |
| ·确定网络结构 | 第65-67页 |
| ·GA优化初始权值和阈值 | 第67-70页 |
| ·网络训练与预测 | 第70-74页 |
| ·预测模型的评价 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 总结与展望 | 第78-81页 |
| 参考文献 | 第81-86页 |
| 攻读学位期间发表论文与研究成果清单 | 第86-87页 |
| 致谢 | 第87页 |