| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本论文的研究内容 | 第12页 |
| 1.4 本文的组织框架 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 相关技术研究 | 第14-21页 |
| 2.1 医疗数据挖掘过程 | 第14-15页 |
| 2.2 数据挖掘功能 | 第15-16页 |
| 2.2.1 关联分析 | 第15页 |
| 2.2.2 分类 | 第15-16页 |
| 2.2.3 回归分析 | 第16页 |
| 2.2.4 聚类分析 | 第16页 |
| 2.3 数据预处理 | 第16-20页 |
| 2.3.1 数据预处理的任务 | 第16-17页 |
| 2.3.2 特征选择 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 基于正规化回归模型的数据预处理过程 | 第21-32页 |
| 3.1 正规化回归模型 | 第21-22页 |
| 3.1.1 正规化的意义 | 第21页 |
| 3.1.2 正规化的原理 | 第21-22页 |
| 3.2 基于正规化回归模型的特征筛选方法 | 第22-25页 |
| 3.2.1 基于单一组学的特征筛选方法 | 第22-24页 |
| 3.2.2 基于多组学数据变量筛选方法 | 第24-25页 |
| 3.3 岭回归 | 第25-27页 |
| 3.4 基于岭回归分析数据预处理过程 | 第27-31页 |
| 3.4.1 岭迹分析 | 第27-29页 |
| 3.4.2 岭参数k值的选择 | 第29-30页 |
| 3.4.3 岭回归做变量选择 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 优化随机森林算法 | 第32-40页 |
| 4.1 随机森林模型建立 | 第32-35页 |
| 4.1.1 随机森林算法 | 第32-33页 |
| 4.1.2 随机森林模型建立过程 | 第33-35页 |
| 4.2 OSNR-RF模型建立 | 第35-39页 |
| 4.2.1 问题描述与算法设计 | 第35-39页 |
| 4.2.2 综合评价指标提取 | 第39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 基于正规化回归模型的医疗诊断数据挖掘 | 第40-52页 |
| 5.1 实验环境 | 第40页 |
| 5.2 基于正规化回归模型的数据分析 | 第40-44页 |
| 5.2.1 实验数据概述 | 第40页 |
| 5.2.2 基于岭回归分析的数据预处理过程 | 第40-44页 |
| 5.3 实验结果展示与分析 | 第44-51页 |
| 5.3.1 训练集对组合分类模型准确率的影响研究 | 第44-47页 |
| 5.3.2 基于Bagging抽样倍数的准确率影响研究 | 第47页 |
| 5.3.3 随机森林效率提升研究 | 第47-50页 |
| 5.3.4 OSNR-RF算法实验过程和分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间的研究成果 | 第58页 |