| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 云模型研究现状 | 第9-12页 |
| 1.2.2 机器学习研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 相关基础理论 | 第16-40页 |
| 2.1 Xgboost算法介绍 | 第16-21页 |
| 2.1.1 Cart回归树模型 | 第16-18页 |
| 2.1.2 Xgboost集成学习 | 第18-21页 |
| 2.2 PCA主成分分析降维算法 | 第21-22页 |
| 2.3 Logistic回归 | 第22-23页 |
| 2.4 BP神经网络 | 第23-28页 |
| 2.5 云理论 | 第28-38页 |
| 2.5.1 云模型的基本概念 | 第28-32页 |
| 2.5.2 云发生器 | 第32-37页 |
| 2.5.3 云相似度 | 第37-38页 |
| 2.6 本章小结 | 第38-40页 |
| 第3章 多维云模型 | 第40-50页 |
| 3.1 二维云建模 | 第40-44页 |
| 3.1.1 二维云模型的定义 | 第40-41页 |
| 3.1.2 二维云模型的数字特征 | 第41页 |
| 3.1.3 二维单规则发生器算法 | 第41-44页 |
| 3.2 多维云建模 | 第44-47页 |
| 3.2.1 多维云发生器的定义 | 第44页 |
| 3.2.2 多维云发生器的数字特征 | 第44-45页 |
| 3.2.3 多维云生成器 | 第45页 |
| 3.2.4 多维云单规则发生器 | 第45-47页 |
| 3.3 训练与测试验证 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 Xgboost-PCA-BPNN组合模型算法 | 第50-56页 |
| 4.1 Xgboost与 Logistic模型融合 | 第50-51页 |
| 4.2 Xgboost-PCA-BPNN组合预测算法 | 第51-53页 |
| 4.3 训练与测试验证 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 牙周炎临床疗效预测 | 第56-64页 |
| 5.1 多维云模型预测 | 第56-58页 |
| 5.2 Xgboost-PCA-BPNN组合预测模型 | 第58-63页 |
| 5.2.1 建模过程 | 第58-59页 |
| 5.2.2 算法整体比较及分析 | 第59-61页 |
| 5.2.3 基于算法的特征分析 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士期间参研课题与研究成果 | 第72-74页 |
| 致谢 | 第74页 |
