基于随机森林的心脏病预测平台的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 相关研究现状 | 第11-13页 |
| 1.2.1 移动互联网医疗相关现状 | 第11-12页 |
| 1.2.2 预测算法相关现状 | 第12页 |
| 1.2.3 心脏病预测平台相关现状 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 平台技术架构和相关理论概述 | 第16-28页 |
| 2.1 Hadoop概述 | 第16-20页 |
| 2.1.1 Hadoop项目背景 | 第16-17页 |
| 2.1.2 Hadoop基本结构模型 | 第17页 |
| 2.1.3 分布式文件系统HDFS | 第17-19页 |
| 2.1.4 MapReduce并行模型 | 第19-20页 |
| 2.2 SSH框架介绍 | 第20-23页 |
| 2.2.1 Spring简介 | 第21页 |
| 2.2.2 SpringMVC简介 | 第21-22页 |
| 2.2.3 Hibernate简介 | 第22-23页 |
| 2.2.4 SSH框架优势 | 第23页 |
| 2.3 分类预测算法简介 | 第23-27页 |
| 2.3.1 朴素贝叶斯算法 | 第23-25页 |
| 2.3.2 决策树算法 | 第25-26页 |
| 2.3.3 随机森林算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 BDRF算法设计与数据集处理 | 第28-38页 |
| 3.1 数据集处理 | 第28-29页 |
| 3.1.1 数据预处理 | 第28-29页 |
| 3.1.2 数据特征选择 | 第29页 |
| 3.2 朴素贝叶斯与决策树算法分析 | 第29-31页 |
| 3.3 随机森林算法缺点分析 | 第31-32页 |
| 3.4 BDRF算法设计 | 第32-37页 |
| 3.4.1 BDRF算法数据平衡性设计 | 第32-33页 |
| 3.4.2 BDRF算法分类树多样化设计 | 第33-35页 |
| 3.4.3 BDRF算法并行化设计 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 预测平台架构设计 | 第38-48页 |
| 4.1 平台需求分析 | 第38页 |
| 4.2 平台业务模块 | 第38-39页 |
| 4.3 平台总体架构设计 | 第39-40页 |
| 4.4 后台服务器设计 | 第40-46页 |
| 4.4.1 后台SSH框架逻辑设计 | 第41-43页 |
| 4.4.2 数据库方案设计 | 第43-45页 |
| 4.4.3 BDRF心脏病预测模型设计 | 第45-46页 |
| 4.5 客户端原型界面设计 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 预测平台实现与性能分析 | 第48-61页 |
| 5.1 用户登录模块 | 第48-49页 |
| 5.2 个人信息模块 | 第49-51页 |
| 5.3 诊断预测模块 | 第51-52页 |
| 5.4 预测展示模块 | 第52-54页 |
| 5.5 BDRF心脏病预测模型模块 | 第54-55页 |
| 5.6 预测平台性能分析 | 第55-60页 |
| 5.7 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
