基于层次分类的病性分析
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题研究背景与意义 | 第7页 |
| 1.2 数据挖掘技术概述 | 第7-10页 |
| 1.2.1 数据挖掘简介 | 第7页 |
| 1.2.2 数据挖掘组织结构与主要功能 | 第7-9页 |
| 1.2.3 数据挖掘在中医研究中的应用 | 第9-10页 |
| 1.3 层次分类概述 | 第10-11页 |
| 1.3.1 层次分类主要框架 | 第10-11页 |
| 1.3.2 层次分类发展现状 | 第11页 |
| 1.4 本文研究的主要内容 | 第11-12页 |
| 1.5 本文的组织结构 | 第12-13页 |
| 2 本文相关技术介绍 | 第13-28页 |
| 2.1 层次分类的关键技术 | 第13-24页 |
| 2.1.1 层次分类的类别层次构建 | 第15-16页 |
| 2.1.2 层次分类的训练方法及分类方式 | 第16-17页 |
| 2.1.3 基分类器 | 第17-18页 |
| 2.1.4 特征融合技术 | 第18-19页 |
| 2.1.5 支持向量机介绍 | 第19-22页 |
| 2.1.6 国内外研究状况 | 第22-24页 |
| 2.2 数据挖掘中的聚类分析 | 第24-27页 |
| 2.2.1 主要聚类方法的分类 | 第24-25页 |
| 2.2.2 k-means算法实现 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 基于层次分类的中医病性分析 | 第28-44页 |
| 3.1 构建松弛层次分类结构 | 第28-32页 |
| 3.1.1 层次构建方法分析 | 第28-29页 |
| 3.1.2 构建层次结构问题探讨 | 第29-30页 |
| 3.1.3 基于松弛策略的层次构建 | 第30-32页 |
| 3.2 一种基于松弛层次结构的SVM多类分类器 | 第32-37页 |
| 3.2.1 研究思路分析 | 第33页 |
| 3.2.2 层次支持向量机分类器的学习与优化 | 第33-37页 |
| 3.3 眩晕病案下的层次分类算法应用 | 第37-41页 |
| 3.3.1 概述 | 第37-38页 |
| 3.3.2 方法 | 第38-41页 |
| 3.4 实验结果与分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于主动学习聚类的中医处方分析 | 第44-53页 |
| 4.1 主动学习对聚类方法改进 | 第44-47页 |
| 4.1.1 主动学习策略 | 第44-45页 |
| 4.1.2 方法扩展 | 第45-47页 |
| 4.2 微博数据下的实验结果分析 | 第47-49页 |
| 4.3 中医应用下的实验结果分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 挖掘软件平台扩展 | 第53-61页 |
| 5.1 已有工作 | 第53-58页 |
| 5.2 扩展功能 | 第58-61页 |
| 6 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
