聲明
第1章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容及創(chuàng)新點(diǎn)
1.4 本文的組織結(jié)構(gòu)
第2章 相關(guān)理論與研究方法
2.1特征選擇相關(guān)算法
2.1.1 特征選擇理論框架
2.1.2 Xgboost算法
2.2孤立森林算法
2.3卷積神經(jīng)網(wǎng)絡(luò)
2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的基本原理
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的特色
2.3.3 卷積神經(jīng)網(wǎng)絡(luò)的理論推導(dǎo)
2.4集成學(xué)習(xí)相關(guān)理論介紹
2.4.1 集成學(xué)習(xí)原理概述
2.4.2 集成學(xué)習(xí)的分類
2.4.3 基本分類器的結(jié)合策略
2.4.4 基本分類器介紹
2.5本章小結(jié)
第3章 糖尿病數(shù)據(jù)的分析與處理
3.1數(shù)據(jù)分析
3.2數(shù)據(jù)處理
3.2.1 數(shù)據(jù)清洗
3.2.2 數(shù)據(jù)均衡處理
3.3特征選擇處理
3.3.1特征關(guān)聯(lián)性分析
3.3.2特征影響權(quán)重排序
3.4異常樣本處理
3.5本章小結(jié)
第4章 卷積神經(jīng)網(wǎng)絡(luò)和集成學(xué)習(xí)混合模型（CNN-EI）
4.1算法的提出及意義
4.2 CNN-EI的卷積神經(jīng)網(wǎng)絡(luò)層構(gòu)建
4.3 CNN-EI的集成學(xué)習(xí)層構(gòu)建
4.4 CNN-EI算法流程
4.5本章小結(jié)
第5章 糖尿病病情預(yù)測模型與實(shí)驗(yàn)結(jié)果分析
5.1基于CNN-EI算法的糖尿病人病情預(yù)測模型的建立
5.2實(shí)驗(yàn)結(jié)果與分析
5.2.1 實(shí)驗(yàn)相關(guān)設(shè)置
5.2.2 實(shí)驗(yàn)結(jié)果分析
5.3本章小結(jié)
第6章 總結(jié)與展望
6.1 論文工作總結(jié)
6.2 討論與展望
參考文獻(xiàn)
附錄
致謝
攻讀碩士學(xué)位期間發(fā)表的論文
西南大學(xué);
