| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 数据挖掘方法在中医领域的研究现状 | 第11-13页 |
| 1.2.2 慢性疲劳综合征的研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 1.4.1 组织结构 | 第15-16页 |
| 1.4.2 符号描述 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关理论及技术 | 第17-29页 |
| 2.1 多标签学习问题描述 | 第17-18页 |
| 2.2 多标签特征选择 | 第18-23页 |
| 2.2.1 特征选择的基本框架 | 第18页 |
| 2.2.2 多标签特征选择方法 | 第18-20页 |
| 2.2.3 过滤式方法评估标准 | 第20-23页 |
| 2.3 多标签分类算法 | 第23-27页 |
| 2.3.1 问题转化法 | 第23-24页 |
| 2.3.2 算法适应法 | 第24-25页 |
| 2.3.3 多标签学习评价指标 | 第25-27页 |
| 2.4 中医慢性疲劳综合征数据集 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于最大依赖最小冗余的多标签特征选择算法 | 第29-44页 |
| 3.1 问题描述 | 第29-30页 |
| 3.2 多标签MDMR算法 | 第30-31页 |
| 3.3 基于LR-MDMR的CFS特征选择算法 | 第31-36页 |
| 3.3.1 标签相关性分析 | 第31-33页 |
| 3.3.2 相关定义 | 第33页 |
| 3.3.3 LR-MDMR算法思想 | 第33-34页 |
| 3.3.4 LR-MDMR算法描述与分析 | 第34-36页 |
| 3.4 实验 | 第36-43页 |
| 3.4.1 实验方案 | 第36-37页 |
| 3.4.2 实验结果与分析 | 第37-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于随机游走和条件随机场的CFS证型分类算法 | 第44-57页 |
| 4.1 问题描述 | 第44-45页 |
| 4.2 相关算法原理 | 第45-47页 |
| 4.2.1 随机游走模型 | 第45-46页 |
| 4.2.2 条件随机场 | 第46-47页 |
| 4.3 基于随机游走和条件随机场的多标签分类算法 | 第47-52页 |
| 4.3.1 相关定义 | 第47-48页 |
| 4.3.2 初步标签预测概率的确定 | 第48-49页 |
| 4.3.3 CRF特征函数的计算 | 第49-50页 |
| 4.3.4 基于随机游走和条件随机场的标签预测 | 第50-51页 |
| 4.3.5 CRWCRF算法描述与分析 | 第51-52页 |
| 4.4 实验 | 第52-56页 |
| 4.4.1 实验方案 | 第52-53页 |
| 4.4.2 实验结果与分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 CFS证型分类预测原型系统的设计与实现 | 第57-68页 |
| 5.1 系统运行环境与开发平台 | 第57页 |
| 5.2 系统核心功能模块设计 | 第57-59页 |
| 5.3 系统核心类设计 | 第59-63页 |
| 5.4 系统实现与测试 | 第63-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表的学术成果 | 第75页 |