基于网格的医学数据分析技术研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究概况 | 第10-13页 |
| ·医学数据分析技术简介 | 第10-11页 |
| ·组合建模技术简介 | 第11-12页 |
| ·网格环境下的医疗数据共享平台现状与发展趋势 | 第12-13页 |
| ·研究内容 | 第13-14页 |
| ·文章组织结构 | 第14-16页 |
| 2 基于网格的医学主观导向分析系统架构 | 第16-23页 |
| ·MedicalSAS 系统整体框架 | 第16-17页 |
| ·医疗数据分析层 | 第17-21页 |
| ·数据加载及预处理 | 第17-19页 |
| ·算法训练 | 第19-20页 |
| ·算法评估 | 第20-21页 |
| ·网格资源管理层 | 第21-22页 |
| ·小结 | 第22-23页 |
| 3 医学建模预测分析技术研究 | 第23-36页 |
| ·传统数据分析方法 | 第23-27页 |
| ·疾病资料介绍 | 第23-24页 |
| ·预测型算法在疾病预测上的应用 | 第24-25页 |
| ·描述型算法在疾病诊断上的应用 | 第25-27页 |
| ·组合数据分析建模方法 | 第27-28页 |
| ·线性组合数据分析预测模型 | 第27-28页 |
| ·非线性组合数据分析预测模型 | 第28页 |
| ·指数平滑-神经网络组合预测模型 | 第28-32页 |
| ·BP 神经网络 | 第28-30页 |
| ·指数平滑算法 | 第30-31页 |
| ·指数平滑-神经网络组合预测建模方法 | 第31-32页 |
| ·模糊C 均值聚类-神经网络组合预测模型 | 第32-35页 |
| ·模糊C 均值聚类算法 | 第32-33页 |
| ·模糊C 均值聚类-神经网络组合预测建模方法 | 第33-35页 |
| ·小结 | 第35-36页 |
| 4 医学建模预测分析技术实现 | 第36-45页 |
| ·数据预处理 | 第36-38页 |
| ·连续属性离散化技术 | 第36-37页 |
| ·数据采样与数据集划分 | 第37-38页 |
| ·组合建模技术实现 | 第38-40页 |
| ·指数平滑-神经网络组合预测方法实现 | 第38-39页 |
| ·模糊C 均值聚类-神经网络组合预测方法实现 | 第39-40页 |
| ·数据分析算法网格服务实现 | 第40-42页 |
| ·网格平台环境 | 第40页 |
| ·数据分析算法网格服务封装和部署 | 第40-41页 |
| ·数据分析网格服务请求与调度 | 第41-42页 |
| ·数据分析建模可视化 | 第42-44页 |
| ·聚类模型的可视化 | 第42-43页 |
| ·决策树的可视化 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 5 功能测试与性能分析 | 第45-53页 |
| ·测试环境 | 第45-46页 |
| ·功能测试 | 第46-50页 |
| ·数据加载及预处理功能测试 | 第46-47页 |
| ·数据预处理结果输出 | 第47页 |
| ·网格平台上的疾病预测功能测试 | 第47-50页 |
| ·数据分析建模算法性能评测与分析 | 第50-52页 |
| ·组合建模与单独建模预测精度比较 | 第50-51页 |
| ·和weka 系统的建模分析比较 | 第51-52页 |
| ·小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-60页 |
