基于深度学习的糖尿病决策算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 糖尿病预测研究现状 | 第10-13页 |
| 1.2.2 深度学习技术研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 糖尿病预测相关理论及技术 | 第16-30页 |
| 2.1 特征选择相关技术介绍 | 第16-19页 |
| 2.1.1 信息增益 | 第18-19页 |
| 2.2 糖尿病预测理论模型 | 第19-22页 |
| 2.2.1 K邻近算法 | 第19-20页 |
| 2.2.2 渐进梯度回归树算法 | 第20-22页 |
| 2.3 深度学习基本理论 | 第22-28页 |
| 2.3.1 深度神经网络基本原理 | 第22-25页 |
| 2.3.2 前向传播算法原理 | 第25-27页 |
| 2.3.3 BP算法原理 | 第27-28页 |
| 2.4 糖尿病预测模型评价标准 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 糖尿病预测模型的建立 | 第30-52页 |
| 3.1 前言 | 第30页 |
| 3.2 糖尿病预测建模流程 | 第30-32页 |
| 3.3 糖尿病数据的来源 | 第32-34页 |
| 3.4 基于K邻近算法糖尿病预测模型 | 第34-38页 |
| 3.4.1 模型建立 | 第34-36页 |
| 3.4.2 结果分析 | 第36-38页 |
| 3.5 基于渐进梯度回归树算法糖尿病预测模型 | 第38-42页 |
| 3.5.1 模型建立 | 第38-40页 |
| 3.5.2 结果分析 | 第40-42页 |
| 3.6 基于信息增益和深度神经网络糖尿病预测模型 | 第42-51页 |
| 3.6.1 模型建立 | 第42-46页 |
| 3.6.2 结果分析 | 第46-51页 |
| 3.6.3 实验结果对比分析 | 第51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 预测平台实现与效果分析 | 第52-59页 |
| 4.1 预测平台设计 | 第52-57页 |
| 4.1.1 平台实验环境 | 第52页 |
| 4.1.2 平台实验具体设计 | 第52-57页 |
| 4.2 预测效果分析 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的研究成果 | 第66页 |
