声明
摘要
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究的主要内容
1.4 论文的结构安排
第2章 隐马尔可夫模型
2.1 隐马尔可夫模型的概述与历史
2.2 马尔科夫过程与马尔科夫模型
2.3 隐马尔可夫模型的模型表示
2.4 隐马尔可夫模型的推断算法
2.4.1 后验概率推断
2.4.2 最大后验概率推断
2.5 隐马尔可夫模型的学习算法
2.6 本章小结
第3章 基于HMM的序列分类方法
3.1 序列分类问题概述
3.2 现有的基于HMM的序列分类方法
3.2.1 由HMM导出类条件概率的贝叶斯分类器
3.2.2 由HMM导出核函数的SVM
3.2.3 由HMM导出特征函数的SVM
3.3 基于邻域信息HMM的序列分类方法
3.3.1 方法的思想
3.3.2 导数邻域信息
3.3.3 频域邻域信息
3.3.4 方法的伪代码描述
3.4 实验验证
3.5 本章小结
第4章 邻域信息HMM在个体疾病预测中的应用
4.1 个体疾病预测概述
4.2 数据描述与分析
4.2.1 个体经络向量
4.2.2 历史气象序列
4.3 基于邻域信息HMM的预测建模
4.3.1 数据预处理
4.3.2 特征设计与提取
4.3.3 SVM超参选择
4.3.4 预测结果分析
4.4 本章小结
第5章 总结与展望
5.1 本文工作总结
5.2 下一步工作
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果