首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

残疾人康复数据挖掘与辅助决策系统的设计与实现

摘要第4-5页
Abstract第5页
第1章 绪论第10-14页
    1.1 研究背景第10-11页
    1.2 研究内容及意义第11-12页
    1.3 本文的主要工作综述第12-13页
    1.4 本文的组织结构第13页
    1.5 本章小结第13-14页
第2章 理论基础与相关技术第14-34页
    2.1 数据挖掘与决策支持第14-17页
        2.1.1 数据挖掘第14-15页
        2.1.2 决策与支持系统第15-17页
    2.2 数据分类第17-27页
        2.2.1 数据分类过程第19-20页
        2.2.2 典型数据分类算法第20-26页
        2.2.3 分类算法的评价标准第26-27页
    2.3 数据预测第27-30页
    2.4 可视化第30-33页
    2.5 本章小结第33-34页
第3章 系统总体架构第34-44页
    3.1 系统总框架第34-35页
    3.2 数据预处理模块第35-38页
        3.2.1 数据集成第35-36页
        3.2.2 数据清洗第36-37页
        3.2.3 数据规约与特征选取第37-38页
    3.3 数据分类模块第38-39页
        3.3.1 分类模型选取第38页
        3.3.2 康复数据统计第38-39页
        3.3.3 康复情况分类对比选择第39页
    3.4 数据预测模块第39-40页
        3.4.1 特征和模型选取第39-40页
        3.4.2 康复趋势预测第40页
    3.5 数据可视化模块第40-43页
        3.5.1 数据结果查询展示第41-42页
        3.5.2 数据预测与分类结果展现第42-43页
    3.6 本章小结第43-44页
第4章 基于贝叶斯分类的儿童康复情况辅助决策第44-58页
    4.1 问题描述第44-45页
    4.2 方法整体流程第45-46页
    4.3 基于贝叶斯分类的贫困残疾儿童康复情况第46-50页
        4.3.1 算法描述第46-49页
        4.3.2 算法实现第49-50页
    4.4 实验结果分析第50-57页
        4.4.1 实验设置第50页
        4.4.2 数据集和评估方法第50-51页
        4.4.3 实验对比算法第51-53页
        4.4.4 实验效果评估第53-57页
    4.5 本章小结第57-58页
第5章 基于岭回归的残疾人康复趋势预测第58-70页
    5.1 问题描述第58-59页
    5.2 方法整体流程第59页
    5.3 基于岭回归的康复数据预测第59-64页
        5.3.1 算法描述第60-61页
        5.3.2 模型定义第61-62页
        5.3.3 算法步骤第62-64页
    5.4 实验结果分析第64-68页
        5.4.1 实验设置第64页
        5.4.2 数据集和评估方法第64-65页
        5.4.3 实验效果评估第65-68页
    5.5 本章小结第68-70页
第6章 总结与展望第70-72页
    6.1 总结第70页
    6.2 展望第70-72页
参考文献第72-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:面向篮球比赛的视频摘要技术研究
下一篇:基于Kinect的文化遗产个性化虚拟交互展示技术研究