| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 课题研究目的及意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第二章 中医的相关知识介绍 | 第12-15页 |
| 2.1 临床症状与证候 | 第12页 |
| 2.2 中医诊断 | 第12-13页 |
| 2.3 中医辨证论治 | 第13页 |
| 2.4 中医诊断的模型流程图 | 第13-15页 |
| 第三章 贝叶斯方法 | 第15-26页 |
| 3.1 贝叶斯方法中相关的概率论知识 | 第15-17页 |
| 3.1.1 先验概率和后验概率 | 第15页 |
| 3.1.2 条件概率和联合概率 | 第15-16页 |
| 3.1.3 全概率公式和贝叶斯定理 | 第16-17页 |
| 3.2 朴素贝叶斯分类 | 第17-22页 |
| 3.2.1 分类问题概述 | 第17页 |
| 3.2.2 朴素贝叶斯分类算法简介 | 第17页 |
| 3.2.3 朴素贝叶斯分类算法的分类流程 | 第17-18页 |
| 3.2.4 Laplace Smoothing校准 | 第18-20页 |
| 3.2.5 朴素贝叶斯分类算法的应用举例 | 第20-22页 |
| 3.3 贝叶斯网络 | 第22-26页 |
| 3.3.1 贝叶斯网络的定义和性质 | 第23页 |
| 3.3.2 贝叶斯网络的三种结构形式 | 第23-26页 |
| 第四章 朴素贝叶斯分类在中医证候诊断中的应用 | 第26-38页 |
| 4.1 获取实验数据 | 第26-29页 |
| 4.2 开发应用程序 | 第29-37页 |
| 4.2.1 预测一组临床症状集合的类别证候 | 第30-32页 |
| 4.2.2 计算预测准确率 | 第32-34页 |
| 4.2.3 分成六类病症应用朴素贝叶斯分类 | 第34-35页 |
| 4.2.4 拼音首字母提示输入 | 第35-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 基于贝叶斯网络的中医诊断研究 | 第38-46页 |
| 5.1 中医诊断与贝叶斯网络 | 第38页 |
| 5.2 贝叶斯网络结构学习 | 第38-39页 |
| 5.3 基于条件互信息学习贝叶斯网络结构 | 第39-41页 |
| 5.4 实验及结果展示 | 第41-44页 |
| 5.5 本章小结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 在学期间的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |
| 附录 | 第54-55页 |