| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 选题背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 智能医疗预测诊断技术 | 第16-18页 |
| 1.2.2 半监督学习方法 | 第18-20页 |
| 1.3 本文主要研究内容 | 第20-21页 |
| 1.4 本文整体架构和方案流程 | 第21-25页 |
| 第二章 论文相关关键技术介绍 | 第25-37页 |
| 2.1 半监督学习 | 第25-31页 |
| 2.1.1 半监督分类算法 | 第26-30页 |
| 2.1.2 半监督聚类算法 | 第30-31页 |
| 2.2 数据挖掘 | 第31-33页 |
| 2.2.2 数据挖掘的任务 | 第32-33页 |
| 2.2.3 数据挖掘的方法技术 | 第33页 |
| 2.3 不平衡数据及改进方法介绍 | 第33-36页 |
| 2.4 本章小节 | 第36-37页 |
| 第三章 医学数据预处理 | 第37-49页 |
| 3.1 本文实验数据集的展示 | 第37-38页 |
| 3.2 数据预处理的必要性及目标 | 第38页 |
| 3.3 数据清洗 | 第38-44页 |
| 3.3.1 填充缺失值 | 第39-43页 |
| 3.3.2 处理不一致性数据 | 第43页 |
| 3.3.3 检测离群点 | 第43-44页 |
| 3.4 数据集成 | 第44-46页 |
| 3.4.1 集成数据集 | 第45页 |
| 3.4.2 冗余和相关性分析 | 第45-46页 |
| 3.5 数据归约 | 第46-47页 |
| 3.6 实验结果 | 第47页 |
| 3.7 本章小节 | 第47-49页 |
| 第四章 面向疾病预测的半监督学习算法分析建模及评估 | 第49-67页 |
| 4.1 引言 | 第49页 |
| 4.2 生成式模型的有监督和无监督学习比较 | 第49-52页 |
| 4.2.1 有监督学习的混合高斯模型 | 第50-51页 |
| 4.2.2 基于混合高斯模型的生成式半监督学习 | 第51-52页 |
| 4.3 支持向量机模型的有监督和半监督学习比较 | 第52-57页 |
| 4.3.1 有监督学习的支持向量机 | 第52-55页 |
| 4.3.2 基于支持向量机的半监督学习 | 第55-57页 |
| 4.4 图模型的有监督和半监督学习比较 | 第57-59页 |
| 4.4.1 有监督学习的图模型 | 第57-58页 |
| 4.4.2 基于图模型的半监督学习 | 第58-59页 |
| 4.5 实验仿真 | 第59-66页 |
| 4.5.1 实验目标 | 第59页 |
| 4.5.2 数据集设置与机器配置 | 第59-60页 |
| 4.5.3 实验评估标准 | 第60-61页 |
| 4.5.4 实验设计及参数说明 | 第61页 |
| 4.5.5 实验结果展示 | 第61-65页 |
| 4.5.6 实验分析总结 | 第65-66页 |
| 4.6 本章小节 | 第66-67页 |
| 第五章 面向疾病预测的半监督支持向量机的改进模型 | 第67-83页 |
| 5.1 引言 | 第67页 |
| 5.2 损失最优化算法 | 第67-69页 |
| 5.3 基于不平衡数据集的算法改进 | 第69-71页 |
| 5.3.1 针对类别不平衡数据的算法改进 | 第70-71页 |
| 5.3.2 针对标记不平衡数据的算法改进 | 第71页 |
| 5.4 改进算法的快速求解 | 第71-74页 |
| 5.5 仿真实验 | 第74-81页 |
| 5.5.1 实验目标 | 第74-75页 |
| 5.5.2 数据集设置与机器配置 | 第75页 |
| 5.5.3 试验评估标准 | 第75页 |
| 5.5.4 实验设计及参数说明 | 第75页 |
| 5.5.5 实验结果展示 | 第75-80页 |
| 5.5.6 实验分析总结 | 第80-81页 |
| 5.6 本章小节 | 第81-83页 |
| 第六章 总结与展望 | 第83-87页 |
| 6.1 研究总结 | 第83-85页 |
| 6.2 研究展望 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93-95页 |
| 作者简介 | 第95-96页 |