| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究的目的与意义 | 第10页 |
| 1.3 研究现状及存在的问题 | 第10-12页 |
| 1.3.1 国内外研究现状 | 第10-11页 |
| 1.3.2 研究中存在的问题 | 第11-12页 |
| 1.4 实验条件介绍 | 第12页 |
| 1.5 本文主要研究内容 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-22页 |
| 2.1 中医辨证 | 第14-16页 |
| 2.1.1 中医辨证与中医证候 | 第14页 |
| 2.1.2 中医辨证的分类 | 第14-16页 |
| 2.2 机器学习 | 第16-18页 |
| 2.2.1 机器学习中的问题研究 | 第16-17页 |
| 2.2.2 经验风险最小化 | 第17-18页 |
| 2.3 统计学习理论的核心内容 | 第18-22页 |
| 2.3.1 VC维 | 第18-20页 |
| 2.3.2 学习与泛化 | 第20-21页 |
| 2.3.3 结构风险最小化 | 第21-22页 |
| 第三章 SVM训练算法 | 第22-33页 |
| 3.1 支持向量机概述 | 第22页 |
| 3.2 线性可分的支持向量机 | 第22-25页 |
| 3.3 非线性支持向量机 | 第25-27页 |
| 3.4 核函数 | 第27-29页 |
| 3.5 支持向量机算法 | 第29-33页 |
| 3.5.1 二分类支持向量机算法 | 第29-30页 |
| 3.5.2 多分类支持向量机算法 | 第30-33页 |
| 第四章 原型设计与实现 | 第33-51页 |
| 4.1 开发环境与开发工具 | 第33-35页 |
| 4.1.1 SQL Server 2008 | 第33-34页 |
| 4.1.2 Microsoft Visual Studio 2010 | 第34-35页 |
| 4.2 原始数据的收集与处理 | 第35-41页 |
| 4.2.1 数据的录入 | 第35-36页 |
| 4.2.2 相似临床症状处理 | 第36-39页 |
| 4.2.3 辅症较多的证候处理 | 第39-41页 |
| 4.3 整体程序设计 | 第41-45页 |
| 4.3.1 SVM训练模型界面 | 第41-44页 |
| 4.3.2 用户输入界面 | 第44-45页 |
| 4.4 基于支持向量机在中医证候分类的实现 | 第45-51页 |
| 4.4.1 训练集数据处理 | 第45-48页 |
| 4.4.2 训练预测模型 | 第48-50页 |
| 4.4.3 测试数据 | 第50页 |
| 4.4.4 程序结果 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在学期间的研究成果 | 第55-56页 |
| 致谢 | 第56页 |