| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究目的与意义 | 第11页 |
| 1.2 人工智能的发展与应用 | 第11-14页 |
| 1.2.1 人工智能的发展历程 | 第11-13页 |
| 1.2.2 人工智能在医学中的应用概况 | 第13-14页 |
| 1.3 矮小儿童医学诊断的研究概况 | 第14-15页 |
| 1.4 课题主要研究内容与章节安排 | 第15-17页 |
| 1.4.1 主要研究内容 | 第15-16页 |
| 1.4.2 本文的章节安排 | 第16-17页 |
| 第2章 矮小症诊断原理与临床数据处理 | 第17-27页 |
| 2.1 矮小症医学诊断原理 | 第17-22页 |
| 2.1.1 儿童矮小症概述 | 第17-18页 |
| 2.1.2 儿童矮小症医学诊断方式 | 第18-20页 |
| 2.1.3 儿童矮小症病因类型分析 | 第20-22页 |
| 2.2 矮小症病例样本数据规范化 | 第22-26页 |
| 2.2.1 神经网络数据规范化的必要性 | 第22-23页 |
| 2.2.2 矮小儿童病例数据的数值抽象 | 第23-24页 |
| 2.2.3 实验数据预处理 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于神经网络的智能诊断模型 | 第27-40页 |
| 3.1 人工神经网络概述 | 第27-32页 |
| 3.1.1 人工神经元模型 | 第27-30页 |
| 3.1.2 人工神经网络的特点 | 第30-31页 |
| 3.1.3 人工神经网络的模型分类 | 第31-32页 |
| 3.1.4 人工神经网络的学习规则 | 第32页 |
| 3.2 反向传播（BP）网络 | 第32-39页 |
| 3.2.1 BP 网络的结构 | 第33页 |
| 3.2.2 BP 网络的学习及算法流程 | 第33-37页 |
| 3.2.3 传统 BP 网络在实际应用中存在的问题 | 第37-38页 |
| 3.2.4 传统 BP 算法的改进 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 基于遗传算法的 BP 网络优化 | 第40-49页 |
| 4.1 遗传算法概述 | 第40-41页 |
| 4.2 遗传算法的基本操作与方法 | 第41-46页 |
| 4.2.1 编码问题 | 第42-44页 |
| 4.2.1.1 编码原则 | 第42页 |
| 4.2.1.2 编码方法 | 第42-44页 |
| 4.2.2 适应度函数 | 第44-45页 |
| 4.2.3 选择算子 | 第45页 |
| 4.2.4 交叉算子 | 第45-46页 |
| 4.2.5 变异算子 | 第46页 |
| 4.3 遗传算法与 BP 网络的结合 | 第46-48页 |
| 4.3.1 遗传算法优化 BP 网络的思路 | 第46-47页 |
| 4.3.2 遗传算法优化 BP 网络的步骤 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 矮小儿童智能诊断设计及仿真实验 | 第49-61页 |
| 5.1 智能诊断系统总体设计流程 | 第49-50页 |
| 5.2 矮小儿童智能诊断的 BP 网络设计 | 第50-55页 |
| 5.2.1 网络结构的确定 | 第50-51页 |
| 5.2.1.1 输入输出节点数 | 第50页 |
| 5.2.1.2 隐含层的层数 | 第50页 |
| 5.2.1.3 隐含层节点数 | 第50-51页 |
| 5.2.2 模型重要参数的设置 | 第51-54页 |
| 5.2.3 MATLAB 中 BP 网络的训练过程 | 第54页 |
| 5.2.4 矮小儿童智能诊断模型的确立 | 第54-55页 |
| 5.3 遗传算法对系统的优化设计 | 第55-58页 |
| 5.4 矮小儿童智能诊断的 MATLAB 仿真与结果分析 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简介 | 第67页 |
| 攻读硕士期间发表的学术论文和参加科研情况 | 第67-68页 |
