第一个书签之前
摘 要
Abstract
第1章 绪 论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 死亡率预测研究现状
1.2.1传统临床评估系统
1.2.2 基于机器学习的死亡率预测方法
1.3 本文研究内容与组织结构
第2章 模型构建的基本理论
2.1 引言
2.2 死亡率预测建模一般过程
2.3 主成分分析理论
2.3.1 主要思想
2.3.2 主成分变换过程
2.3.3 PCA计算分析
2.4 PSO理论
2.4.1 PSO基本理论
2.4.2 PSO实现流程
2.5 SVM理论
2.5.1 SVM原理
2.5.2 SVM分析
2.6 本章小结
第3章 高维不平衡ICU数据的预处理和特征提取
3.1 引言
3.2 ICU数据集介绍和特性分析
3.2.1 ICU数据集介绍
3.2.2 ICU数据特性分析
3.3 预处理
3.3.1 变量选择和特征处理
3.3.2 异常值去除
3.3.3 归一化
3.3.4 缺失值填补
3.4 改进的代价敏感PCA算法
3.4.1 医疗数据的不平衡和高维现象
3.4.2 MCSPCA的推导过程
3.4.3 MCSPCA权重系数的确定
3.4.4 MCSPCA和CSPCA降维后效果对比
3.5 本章小结
第4章 高维不平衡ICU数据的算法优化
4.1 引言
4.2 支持向量机参数的选择
4.3 常见的参数寻优方法
4.4 参数优化算法
4.4.1 标准粒子群算法及改进算法
4.4.2 混沌理论
4.4.3 种群粒子的混沌初始化
4.4.4 算法早熟收敛判断及跳出机制
4.4.5 混沌粒子群算法实现
4.6 本章小结
第5章 预测模型和实验结果分析
5.1 引言
5.2 基于高维不平衡ICU数据的预测模型
5.2.1 评价指标和模型评估
5.2.3 预测模型实现流程图
5.3 MCSPCA主成分个数选择结果
5.4 实验结果与分析
5.4.1 不同特征提取方法比较
5.4.2 不同优化算法比较
5.4.3 不同分类器比较
5.5 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致 谢
