| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 问题分析 | 第17-18页 |
| 1.4 主要研究工作 | 第18-19页 |
| 2 基于回归技术的CVD预测 | 第19-36页 |
| 2.1 CVD危险因素分析 | 第19-20页 |
| 2.2 CVD回归模型分析 | 第20-26页 |
| 2.2.1 Logistic回归模型 | 第20-23页 |
| 2.2.2 Cox比例风险回归模型 | 第23-26页 |
| 2.3 问题分析及改进 | 第26-27页 |
| 2.4 预测实验 | 第27-35页 |
| 2.4.1 实验数据及平台 | 第27-28页 |
| 2.4.2 基于Logistic回归的CVD预测实验 | 第28-31页 |
| 2.4.3 基于Dv-Logistic的CVD预测实验 | 第31-32页 |
| 2.4.4 实验结果及分析 | 第32-35页 |
| 2.5 小结 | 第35-36页 |
| 3 基于浅层神经网络的CVD预测 | 第36-53页 |
| 3.1 模型预测准确性问题的提出 | 第36页 |
| 3.2 CVD预测模型构建 | 第36-41页 |
| 3.2.1 基础模型构建 | 第37-38页 |
| 3.2.2 CVD预测模型实现 | 第38-40页 |
| 3.2.3 模型预测准确性分析 | 第40-41页 |
| 3.3 CVD预测模型准确性的改进 | 第41-46页 |
| 3.3.1 改进技术分析 | 第41-45页 |
| 3.3.2 改进模型的实现 | 第45-46页 |
| 3.4 预测实验 | 第46-52页 |
| 3.4.1 模型的参数选择 | 第47-48页 |
| 3.4.2 实验设计 | 第48-49页 |
| 3.4.3 实验结果及分析 | 第49-52页 |
| 3.5 小结 | 第52-53页 |
| 4 基于深度学习的CVD预测 | 第53-68页 |
| 4.1 模型预测稳定性问题的提出 | 第53页 |
| 4.2 模型稳定性改进的实现 | 第53-59页 |
| 4.3 模型实用性的改进 | 第59-61页 |
| 4.4 预测实验 | 第61-67页 |
| 4.4.1 实验设计 | 第61-63页 |
| 4.4.2 实验结果及分析 | 第63-67页 |
| 4.5 小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 个人简历、在学校期间发表的学术论文 | 第75页 |