| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题的研究意义 | 第8-9页 |
| 1.2 脉象信号分析和研究现状 | 第9-10页 |
| 1.3 数据挖掘技术的国内外研究现状 | 第10-12页 |
| 1.4 论文的主要研究工作 | 第12-14页 |
| 2 数据挖掘的基本理论 | 第14-24页 |
| 2.1 数据挖掘技术概述 | 第14-19页 |
| 2.1.1 数据挖掘产生及概念 | 第14-16页 |
| 2.1.2 数据挖掘系统及特点 | 第16-17页 |
| 2.1.3 数据挖掘技术的主要方法和医学应用 | 第17-19页 |
| 2.2 数据挖掘工具 SAS/EM | 第19-22页 |
| 2.2.1 数据挖掘工具 | 第19-20页 |
| 2.2.2 SEMMA 流程 | 第20-22页 |
| 2.4 吸毒者脉象信号检测的业务理解 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 脉象信号数据预处理 | 第24-32页 |
| 3.1 数据挖掘中的数据预处理 | 第24-25页 |
| 3.2 脉搏波数据分析 | 第25-29页 |
| 3.2.1 脉图简介 | 第25-26页 |
| 3.2.2 数据的采集和选取 | 第26-29页 |
| 3.3 基于小波分析的脉象数据转换 | 第29-31页 |
| 3.3.1 小波变换的 Mallat 算法 | 第29页 |
| 3.3.2 脉象信号的小波变换 | 第29-31页 |
| 3.4 结论 | 第31-32页 |
| 4 基于数据挖掘工具的脉象信号识别 | 第32-56页 |
| 4.1 决策树基本原理 | 第32-39页 |
| 4.1.1 决策树基本概念 | 第32-35页 |
| 4.1.2 C4.5 决策树对连续属性的处理 | 第35页 |
| 4.1.3 C4.5 决策树算法流程 | 第35-37页 |
| 4.1.4 决策树减枝 | 第37-39页 |
| 4.2 脉象信号的决策树分类 | 第39-47页 |
| 4.2.1 基于时间域的决策树分类 | 第40-43页 |
| 4.2.2 基于小波变换-细节系数的决策树分类 | 第43-47页 |
| 4.3 BP 神经网络 | 第47-51页 |
| 4.3.1 BP 神经网络的基本概念 | 第47-48页 |
| 4.3.2 Levenberg-Marquardt BP 算法 | 第48-51页 |
| 4.4 脉象信号的神经网络分类 | 第51-53页 |
| 4.4.1 基于单隐层 BP 网络的分类 | 第51-52页 |
| 4.4.2 基于多隐层 BP 网络的分类 | 第52-53页 |
| 4.5 模型对比 | 第53-55页 |
| 4.5.1 评价指标 | 第53-54页 |
| 4.5.2 模型对比 | 第54-55页 |
| 4.6 总结 | 第55-56页 |
| 5 结论与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |