| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 医疗数据挖掘背景及意义 | 第10-11页 |
| 1.1.2 糖尿病应用背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 数据挖掘领域研究现状 | 第12-14页 |
| 1.2.2 医疗领域研究方法 | 第14-16页 |
| 1.3 本文主要研究内容及创新点 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 糖尿病数据分析和预处理 | 第18-32页 |
| 2.1 医疗数据特点 | 第18-19页 |
| 2.2 糖尿病数据收集及统计分析 | 第19-26页 |
| 2.2.1 原始数据概述 | 第19页 |
| 2.2.2 正负样本标注 | 第19-21页 |
| 2.2.3 二值分类器评价模型 | 第21-22页 |
| 2.2.4 原始数据基础分析 | 第22-26页 |
| 2.3 数据预处理 | 第26-29页 |
| 2.4 本章小结 | 第29-32页 |
| 第三章 支持向量机构建糖尿病肾病筛查分类模型 | 第32-52页 |
| 3.1 支持向量机基本原理和方法 | 第32-41页 |
| 3.1.1 支持向量机分类原理 | 第33-38页 |
| 3.1.2 引入分类误差函数 | 第38-41页 |
| 3.2 支持向量机中的核方法 | 第41-42页 |
| 3.3 开发工具与平台 | 第42-44页 |
| 3.3.1 libsvm参数说明 | 第43-44页 |
| 3.3.2 安装gnuplot | 第44页 |
| 3.3.3 grid.py与easy.py路径配置 | 第44页 |
| 3.4 验证方法与评价指标 | 第44-45页 |
| 3.4.1 验证方法 | 第44-45页 |
| 3.4.2 评价标准 | 第45页 |
| 3.5 糖尿病肾病筛查分类模型 | 第45-47页 |
| 3.5.1 糖尿病肾病筛查模型输入指标 | 第45-46页 |
| 3.5.2 输入数据格式变换处理 | 第46-47页 |
| 3.6 筛查模型的参数选择 | 第47-50页 |
| 3.6.1 预测模型随机参数选择 | 第47页 |
| 3.6.2 网格法参数寻优 | 第47-48页 |
| 3.6.3 实验结果对比 | 第48-50页 |
| 3.7 本章小结 | 第50-52页 |
| 第四章 粒子群优化糖尿病肾病筛查分类模型 | 第52-60页 |
| 4.1 背景介绍 | 第52-53页 |
| 4.1.1 最优化问题 | 第52-53页 |
| 4.1.2 群智能 | 第53页 |
| 4.2 粒子群算法 | 第53-56页 |
| 4.3 粒子群算法优化支持向量机分类模型 | 第56页 |
| 4.4 实验结果 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 总结 | 第60-61页 |
| 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 缩略词表 | 第66-68页 |
| 致谢 | 第68页 |