| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-25页 |
| 1.1 引言 | 第12-13页 |
| 1.2 中医数据挖掘研究现状 | 第13-16页 |
| 1.2.1 中医证实质的研究 | 第13-14页 |
| 1.2.2 中医诊断的研究 | 第14-15页 |
| 1.2.3 中医方剂配伍规律的研究 | 第15-16页 |
| 1.3 多标签学习研究现状 | 第16-23页 |
| 1.3.1 问题转换类的多标签问题处理方法 | 第17-20页 |
| 1.3.2 算法适应类的多标签问题处理方法 | 第20-21页 |
| 1.3.3 多标签算法评价标准介绍 | 第21-23页 |
| 1.4 本文工作及组织结构 | 第23-25页 |
| 1.4.1 本文主要工作 | 第23-24页 |
| 1.4.2 本文组织结构 | 第24-25页 |
| 第二章 一种基于密度加权的ML-KNN算法 | 第25-37页 |
| 2.1 引言 | 第25-26页 |
| 2.2 经典ML-KNN算法介绍 | 第26-28页 |
| 2.3 加权DBWML-KNN算法介绍 | 第28-32页 |
| 2.3.1 加权因子计算 | 第29页 |
| 2.3.2 样本密度计算 | 第29-30页 |
| 2.3.3 DBWML-KNN算法过程 | 第30-32页 |
| 2.4 实验 | 第32-36页 |
| 2.4.1 数据集分析 | 第32-33页 |
| 2.4.2 实验结果 | 第33-35页 |
| 2.4.3 结果分析 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 帕金森中医诊断两阶段预测模型研究 | 第37-48页 |
| 3.1 引言 | 第37-38页 |
| 3.2 帕金森病中医诊断问题介绍 | 第38-40页 |
| 3.2.1 传统中医诊断方式及其不足介绍 | 第38-39页 |
| 3.2.2 多标签学习应用存在的问题与挑战 | 第39-40页 |
| 3.3 基于主从关系的两阶段预测模型 | 第40-42页 |
| 3.4 实验 | 第42-47页 |
| 3.4.1 数据集介绍 | 第42页 |
| 3.4.2 多标签预测阶段 | 第42-43页 |
| 3.4.3 标签排序修正阶段 | 第43-44页 |
| 3.4.4 实验结果 | 第44-45页 |
| 3.4.5 结果分析 | 第45-47页 |
| 3.5 本章小节 | 第47-48页 |
| 第四章 基于标签关系的多标签学习及应用 | 第48-63页 |
| 4.1 引言 | 第48页 |
| 4.2 常见标签关系算法研究介绍 | 第48-55页 |
| 4.2.1 Classifier Chains算法介绍 | 第49-50页 |
| 4.2.2 Random k-Labelsets算法分绍 | 第50-53页 |
| 4.2.3 Colibrated Lobel Ronking算法介绍 | 第53-55页 |
| 4.3 基于标签关系的LCPML-KNN算法介绍 | 第55-58页 |
| 4.3.1 标签关系的条件概率分析 | 第55-56页 |
| 4.3.2 LCPML-KNN算法介绍 | 第56-58页 |
| 4.4 实验 | 第58-62页 |
| 4.4.1 LCPML-KNN同基本ML-KNN算法对比实验 | 第59-60页 |
| 4.4.2 LCPML-KNN同常见基于关系的多标签算法对比实验 | 第60页 |
| 4.4.3 LCPML-KNN在临床帕金森病历史病例数据中的应用 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 结束语 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 进一步工作 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-70页 |
