声明
摘要
1 绪论
1.1 引言
1.2 论文研究背景及意义
1.3 国内外研究现状
1.3.1 数据挖掘技术在医疗诊断中的应用
1.3.2 贝叶斯网络的研究现状
1.3.3 集成模型的研究现状
1.4 课题研究内容
1.5 本文的结构内容安排
2 相关技术
2.1 贝叶斯网络基本概念
2.1.1 贝叶斯网络的理论基础
2.1.2 贝叶斯网络的结构学习
2.1.3 贝叶斯网络的参数学习
2.1.4 贝叶斯网络的推理
2.2 几种常见的贝叶斯网络分类模型
2.2.1 NB模型
2.2.2 TAN模型
2.2.3 BN模型
2.3 Matlab并行计算
2.3.1 Matlab并行计算工具箱
2.3.2 Matlab分布式计算服务器
2.4 分类器集成
2.4.1 不同种类的基分类器
2.4.2 有代表性的集成方式
2.4.3 集成分类器产生方法
2.5 本章小结
3 心脏病诊断贝叶斯网络模型的构建
3.1 相关定义
3.2 基于贝叶斯网络的算法设计
3.2.1 算法描述
3.2.2 算法分析
3.3 心脏病诊断模型的建立
3.3.1 数据来源
3.3.2 数据预处理
3.4 心脏病诊断模型的建立流程
3.5 本章小结
4 分类器集成的数据融合方法
4.1 分类器集成模型
4.2 基分类器的生成
4.2.1 基分类器生成方式
4.2.2 基分类器生成算法
4.3 基分类器的选择和集成
4.3.1 集成分类器选择
4.3.2 基分类器的集成
4.4 本章小结
5 实验分析
5.1 实验设计
5.1.1 系统原型
5.1.2 实验环境
5.1.3 实验数据
5.1.4 评估标准
5.2 贝叶斯网络结构学习算法实验验证
5.2.1 Init_Order_Learning初始化算法验证
5.2.2 并行优化算法验证
5.2.3 Bayesian_Network_Heart_Disease模型评估
5.3 分类器集成融合方法验证
5.3.1 实验说明
5.3.2 分类器集成实验
5.4 本章小结
6 总结与展望
6.1 研究总结
6.2 研究展望
致谢
参考文献
攻读硕士学位期间发表的论文和出版著作情况
攻读硕士学位期间参加的科学研究情况
南京理工大学;