| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-24页 |
| ·研究背景及意义 | 第12页 |
| ·国内外研究现状及评述 | 第12-21页 |
| ·基于机器学习的医疗诊断研究现状 | 第12-18页 |
| ·基于机器学习的金融风险预测研究现状 | 第18-21页 |
| ·主要研究内容 | 第21-22页 |
| ·论文组织结构 | 第22-24页 |
| 第2章 相关知识介绍 | 第24-44页 |
| ·机器学习概述 | 第24-26页 |
| ·机器学习的定义 | 第24页 |
| ·机器学习的发展状况 | 第24-25页 |
| ·机器学习的分类 | 第25-26页 |
| ·监督分类技术 | 第26-41页 |
| ·特征降维技术 | 第27-28页 |
| ·分类方法介绍 | 第28-41页 |
| ·分类器性能评价 | 第41-43页 |
| ·评估方法 | 第41-42页 |
| ·评价指标 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 集成特征降维技术和支持向量机的疾病诊断模型 | 第44-66页 |
| ·基于粗糙集的支持向量机决策模型 | 第44-56页 |
| ·粗糙集理论简介 | 第45-47页 |
| ·RS_SVM 模型 | 第47-49页 |
| ·实验设置 | 第49-51页 |
| ·实验结果和讨论 | 第51-56页 |
| ·基于局部 Fisher 判别分析的支持向量机决策模型 | 第56-65页 |
| ·局部 Fisher 判别分析 | 第57-58页 |
| ·LFDA_SVM 模型 | 第58-59页 |
| ·实验设置 | 第59-61页 |
| ·实验结果和讨论 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第4章 基于混合分类模型的疾病诊断决策支持 | 第66-84页 |
| ·基于混合 SVM 模型的甲状腺疾病诊断决策支持 | 第66-76页 |
| ·Fisher 分值法 | 第68页 |
| ·粒子群算法 | 第68-69页 |
| ·FS‐PSO‐SVM 诊断模型 | 第69-72页 |
| ·实验设计 | 第72-73页 |
| ·实验结果与讨论 | 第73-76页 |
| ·基于混合模糊 k‐近邻模型的甲状腺疾病诊断决策支持 | 第76-82页 |
| ·PSO‐FKNN 诊断模型 | 第76-79页 |
| ·实验设置 | 第79页 |
| ·实验结果和讨论 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 第5章 基于群智能框架的 SVM 自适应模型 | 第84-98页 |
| ·自适应 PSO 算法 | 第85-87页 |
| ·自适应连续 PSO 算法 | 第85-86页 |
| ·自适应二进制 PSO 算法 | 第86-87页 |
| ·改进的离散二进制 PSO 算法 | 第87页 |
| ·TVPSO‐SVM 模型 | 第87-90页 |
| ·实验设计 | 第90-91页 |
| ·数据描述 | 第90页 |
| ·实验设置 | 第90-91页 |
| ·实验结果和讨论 | 第91-96页 |
| ·实验一：不带特征选择功能的 TVPSO‐SVM 模型 | 第91-93页 |
| ·实验二：带特征选择功能的 TVPSO‐SVM 模型 | 第93-96页 |
| ·本章小结 | 第96-98页 |
| 第6章 基于改进 FKNN 的财务危机预警模型 | 第98-114页 |
| ·OpenMP 并行模型 | 第99-100页 |
| ·PTVPSO‐FKNN 预测模型 | 第100-103页 |
| ·串行模型 TVPSO‐FKNN | 第100-101页 |
| ·TVPSO‐FKNN 模型的并行实现 | 第101-103页 |
| ·实验设计 | 第103-106页 |
| ·数据描述 | 第103-105页 |
| ·实验方案 | 第105页 |
| ·实验设置 | 第105-106页 |
| ·性能评价指标 | 第106页 |
| ·实验结果和讨论 | 第106-112页 |
| ·实验一：不带特征选择功能的 PTVPSO‐FKNN 模型 | 第106-108页 |
| ·实验二：带特征选择功能的 PTVPSO‐FKNN 模型 | 第108-111页 |
| ·实验三：串行模型 VS 并行模型 | 第111-112页 |
| ·本章小结 | 第112-114页 |
| 第7章 总结与展望 | 第114-116页 |
| ·论文内容总结 | 第114-115页 |
| ·未来工作 | 第115-116页 |
| 参考文献 | 第116-134页 |
| 作者简介及在学期间所取得的科研成果 | 第134-136页 |
| 致谢 | 第136页 |
