kNN分类算法研究及其在中毒诊断中的应用
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 缩略词注释表 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| ·前言 | 第13页 |
| ·毒物分类系统应用现状 | 第13-14页 |
| ·数据分类技术 | 第14-16页 |
| ·积极学习方法 | 第14-15页 |
| ·消极学习方法 | 第15页 |
| ·两种方法的比较 | 第15-16页 |
| ·k近邻方法(kNN) | 第16页 |
| ·本文所做工作 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第2章 基础知识 | 第19-28页 |
| ·最近邻(NN)分类算法简介 | 第19-21页 |
| ·最近邻(NN)分类算法实现 | 第21-22页 |
| ·降低最近邻算法搜索复杂度 | 第22-24页 |
| ·k最近邻(kNN)分类算法相关分析 | 第24-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于预聚类处理的加权kNN分类算法 | 第28-35页 |
| ·引言 | 第28-29页 |
| ·kNNModel算法 | 第29-30页 |
| ·kNNModel算法的基本思想 | 第29-30页 |
| ·kNNModel算法的缺陷 | 第30页 |
| ·基于预聚类处理的加权kNN算法 | 第30-33页 |
| ·实验及评估 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 P-trees kNN分类算法 | 第35-42页 |
| ·引言 | 第35页 |
| ·P-trees简介 | 第35-36页 |
| ·基于P-tree的kNN分类算法 | 第36-38页 |
| ·距离度量标准 | 第36-37页 |
| ·PkNN-使用P树的kNN分类算法 | 第37-38页 |
| ·实验结果及分析 | 第38-41页 |
| ·数据收集及预处理 | 第38页 |
| ·中毒表现加权向量表 | 第38-39页 |
| ·毒物的判定过程 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第5章 毒物分类系统 | 第42-52页 |
| ·引言 | 第42页 |
| ·系统需求分析 | 第42-44页 |
| ·设计与实现方法 | 第44-49页 |
| ·系统设计 | 第44-45页 |
| ·模块一：用户及权限管理 | 第45-46页 |
| ·模块二：毒物查询 | 第46-47页 |
| ·模块三：中毒诊断 | 第47-48页 |
| ·模块四：数据库维护 | 第48-49页 |
| ·系统图形界面GUI | 第49-51页 |
| ·小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读学位期间完成的学术论文 | 第59-60页 |
| 附录B 攻读学位期间参与完成的项目 | 第60页 |
