| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 纵向数据分析方法的国内外研究现状 | 第11-14页 |
| 1.2.1 纵向数据聚类分析的研究现状 | 第12-13页 |
| 1.2.2 变量选择算法的研究现状 | 第13页 |
| 1.2.3 纵向数据建模的研究现状 | 第13-14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-18页 |
| 第2章 基于临床医学纵向数据建模方案设计 | 第18-24页 |
| 2.1 临床纵向数据建模的整体方案 | 第18-20页 |
| 2.2 研究数据及特征 | 第20-21页 |
| 2.2.1 研究数据集介绍 | 第20页 |
| 2.2.2 实验数据指标的介绍 | 第20-21页 |
| 2.2.3 数据特点分析 | 第21页 |
| 2.3 本章小结 | 第21-24页 |
| 第3章 基于EFros距离的改进的K均值聚类算法的研究 | 第24-38页 |
| 3.1 聚类分析方法 | 第24-25页 |
| 3.2 相似性度量方法的研究 | 第25-28页 |
| 3.2.1 相似性度量方法 | 第26-27页 |
| 3.2.2 常用聚类算法 | 第27-28页 |
| 3.3 基于EFros距离的改进的K均值聚类算法的研究 | 第28-31页 |
| 3.3.1 基本思路 | 第28-29页 |
| 3.3.2 算法步骤 | 第29-30页 |
| 3.3.3 聚类效果评价 | 第30-31页 |
| 3.4 实验及分析 | 第31-35页 |
| 3.4.1 非小细胞肺癌数据聚类实验 | 第31-33页 |
| 3.4.2 妊娠高血压数据聚类实验 | 第33-35页 |
| 3.5 本章小结 | 第35-38页 |
| 第4章 基于GMDH算法的纵向数据变量选择方法研究 | 第38-46页 |
| 4.1 变量选择方法的研究 | 第38-39页 |
| 4.1.1 子集选择方法 | 第38页 |
| 4.1.2 惩罚估计方法 | 第38-39页 |
| 4.2 GMDH理论的研究 | 第39-41页 |
| 4.2.1 GMDH的基本概念 | 第39-40页 |
| 4.2.2 GMDH的建模过程 | 第40页 |
| 4.2.3 GMDH算法的实现流程 | 第40-41页 |
| 4.3 基于GMDH算法的纵向数据变量选择算法的研究 | 第41-42页 |
| 4.3.1 面向GMDH算法的纵向数据 | 第41-42页 |
| 4.3.2 基于GMDH算法的纵向数据变量选择算法 | 第42页 |
| 4.4 实验及分析 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 面向临床医学纵向数据的改进的多层线性模型建模方法研究 | 第46-60页 |
| 5.1 多层线性模型的描述 | 第46-47页 |
| 5.2 纵向数据下的多层线性模型原理 | 第47-48页 |
| 5.3 面向纵向临床数据的多层线性模型建模方法的研究 | 第48-49页 |
| 5.3.1 多层线性模型下的纵向数据 | 第48-49页 |
| 5.3.2 面向纵向数据多层线性模型输入的改进 | 第49页 |
| 5.4 实验及分析 | 第49-58页 |
| 5.4.1 非小细胞肺癌数据实验 | 第50-55页 |
| 5.4.2 妊娠高血压医学数据实验 | 第55-58页 |
| 5.5 本章小结 | 第58-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所发表的学术成果 | 第66-68页 |
| 致谢 | 第68页 |
