基于极值随机森林的慢性胃炎中医问诊证候分类研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 引言 | 第9-18页 |
| 1.1 课题背景及来源 | 第9-11页 |
| 1.2 课题研究意义和应用前景 | 第11页 |
| 1.3 国内外研究 | 第11-16页 |
| 1.3.1 决策树建模学习的研究现状 | 第12-13页 |
| 1.3.2 随机森林建模学习的研究现状 | 第13-15页 |
| 1.3.3 决策树及随机森林在中医辨证上的的应用 | 第15-16页 |
| 1.4 本文工作与章节安排 | 第16-18页 |
| 第2章 决策树和随机森林建模基础 | 第18-34页 |
| 2.1 决策树算法的基本概念 | 第18-19页 |
| 2.2 决策树相关定义和公式 | 第19-21页 |
| 2.3 决策树建模 | 第21-27页 |
| 2.3.1 ID3算法 | 第21-22页 |
| 2.3.2 C4.5算法 | 第22-24页 |
| 2.3.3 SLIQ算法 | 第24-26页 |
| 2.3.4 SPRINT算法 | 第26页 |
| 2.3.5 Public算法 | 第26-27页 |
| 2.4 模型的优化方法 | 第27页 |
| 2.5 随机森林模型 | 第27-31页 |
| 2.5.1 随机森林的原理 | 第28-30页 |
| 2.5.2 随机森林的收敛性和泛化误差 | 第30-31页 |
| 2.6 慢性胃炎中医问诊数据 | 第31-32页 |
| 2.7 本章节小结 | 第32-34页 |
| 第3章 基于极值随机森林的中医证候模型的建立 | 第34-52页 |
| 3.1 极值随机森林算法简介 | 第34-37页 |
| 3.2 模型特性 | 第37-39页 |
| 3.2.1 几何模型 | 第37-38页 |
| 3.2.2 核模型 | 第38-39页 |
| 3.3 参数的影响 | 第39-43页 |
| 3.4 多标记性能评价指标 | 第43-44页 |
| 3.5 ERF在中医慢性胃炎中的应用 | 第44-48页 |
| 3.6 ERF算法在中医慢性胃炎数据中的规则说明 | 第48-51页 |
| 3.7 本章节小结 | 第51-52页 |
| 第4章 慢性胃炎中医证型症状的分布 | 第52-68页 |
| 4.1 各证型症状重要性分析 | 第52-59页 |
| 4.1.1 脾胃湿热证中症状重要性分析 | 第52-53页 |
| 4.1.2 湿浊中阻证中症状重要性分析 | 第53-54页 |
| 4.1.3 脾胃气虚证中症状重要性分析 | 第54-56页 |
| 4.1.4 脾胃虚寒中症状重要性分析 | 第56-57页 |
| 4.1.5 肝气郁滞证中症状重要性分析 | 第57-58页 |
| 4.1.6 肝胃郁热证中症状重要性分析 | 第58-59页 |
| 4.2 慢性胃炎中医证型的症状分布解释 | 第59-67页 |
| 4.2.1 脾胃湿热证及其相关证型的症状分布 | 第59-60页 |
| 4.2.2 湿浊中阻证及其相关证型的症状分布 | 第60-62页 |
| 4.2.3 脾胃气虚证及其相关证型的症状分布 | 第62-63页 |
| 4.2.4 脾胃虚寒证及其相关证型的症状分布 | 第63-64页 |
| 4.2.5 肝气郁滞证及其相关证型的症状分布 | 第64-65页 |
| 4.2.6 肝胃郁热证及其相关证型的症状分布 | 第65-67页 |
| 4.3 本章小结 | 第67-68页 |
| 第5章 总结和展望 | 第68-70页 |
| 5.1 本文工作总结 | 第68页 |
| 5.2 研究前景 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士期间成果 | 第76页 |
