| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 疾病预测的研究现状 | 第10-13页 |
| 1.2.2 SOM算法的研究情况 | 第13-14页 |
| 1.2.3 过拟合问题的研究现状 | 第14-15页 |
| 1.3 本文主要创新点 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关技术背景 | 第17-30页 |
| 2.1 智能疾病诊断相关介绍 | 第17-21页 |
| 2.1.1 智能疾病诊断流程分析 | 第17-18页 |
| 2.1.2 几种经典的智能疾病诊断方法 | 第18-21页 |
| 2.2 过拟合相关技术分析 | 第21-25页 |
| 2.2.1 过拟合与欠拟合 | 第21-22页 |
| 2.2.2 剪枝 | 第22-23页 |
| 2.2.3 Early Stopping | 第23页 |
| 2.2.4 数据集扩增 | 第23页 |
| 2.2.5 正则化方法 | 第23-25页 |
| 2.3 信息熵相关技术分析 | 第25页 |
| 2.4 SOM技术分析 | 第25-28页 |
| 2.4.1 SOM概述 | 第25-26页 |
| 2.4.2 竞争学习规则 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 TIKHONOV正则化的SOM聚类算法 | 第30-45页 |
| 3.1 TIKHONOV正则化技术 | 第30-31页 |
| 3.2 两种改进的SOM算法 | 第31-34页 |
| 3.2.1 基于迭代Tikhonov正则化的SOM算法 | 第31-34页 |
| 3.2.2 基于信息熵改进的ITR_SOM算法 | 第34页 |
| 3.3 算法验证实验 | 第34-44页 |
| 3.3.1 实验环境 | 第35页 |
| 3.3.2 实验结果及分析 | 第35-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 本文算法在疾病预测上的应用 | 第45-51页 |
| 4.1 基于本文算法的疾病预测模型构建 | 第45-46页 |
| 4.2 数据预处理 | 第46-47页 |
| 4.2.1 实验数据集 | 第46-47页 |
| 4.2.2 数据预处理 | 第47页 |
| 4.3 实验结果与分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51页 |
| 5.2 下一步工作展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文情况 | 第60-61页 |
| 附录A | 第61-62页 |