文摘
英文文摘
声明
第1章绪论
1.1机器学习理论
1.2国内外研究状况
1.3主要研究内容和研究意义
1.3.1研究内容
1.3.2研究意义
第2章统计学习理论综述
2.1机器学习
2.1.1机器学习问题
2.1.2经验风险
2.2学习过程一致性的条件
2.3推广性的界
2.4 VC维
2.5结构风险最小化
2.5.1结构风险最小化
2.5.2 SRM原则的实现
2.6小结
第3章特征筛选及Ⅱ型糖尿病预测
3.1支持向量机方法
3.1.1最优分类平面
3.1.2广义最优分类面
3.1.3支持向量机
3.1.4 SMO算法
3.2特征筛选算法
3.3糖尿病研究背景
3.4数据库
3.5执行概述
3.6数据预处理
3.7分类预测模型
3.7.1十折交叉验证
3.7.2输入向量
3.8风险因素筛选及Feature-Filtrate算法应用
3.9实验结果分析
3.10 Feature-Filtrate算法与主成分分析的比较
3.10.1主成分分析原理及过程
3.10.2试验结果比较
3.11特征筛选方法的扩展
3.11.1特征筛选算法的局限性与决策树
3.11.2基于支持向量机的特征筛选算法扩展
3.12小结
第4章Ⅱ型糖尿病预测系统实现
4.1需求分析
4.1.1设计目标
4.1.2需求规格说明
4.1.3用例模型
4.1.4功能描述
4.2设计
4.2.1体系结构设计
4.2.2详细设计
4.2.3系统的模块结构
4.2.4界面设计
4.3实现
4.3.1前台处理系统
4.3.2后台管理系统
4.4小结
结论
参考文献
致谢
附录