醫(yī)療健康領域對數(shù)據挖掘、機器學習、和模式識別等技術的引入促使了功能強大的計算機輔助醫(yī)療系統(tǒng)的產生,這種系統(tǒng)的廣闊應用前景鼓舞著越來越多的生物醫(yī)藥機器學習技術的研究。硬軟件技術的不斷發(fā)展進一步推動了這些研究的不斷完善。智能醫(yī)療診斷、醫(yī)療圖像處理和機器視覺等技術都成為了計算機輔助醫(yī)療系統(tǒng)的具體體現(xiàn)。其中,醫(yī)療診斷是從數(shù)據挖掘與機器學習技術中受益的最主要領域之一。很多分類技術如決策樹、最緊鄰與核方法,都已在該領域取得了一定的成功。本文以機器學習理論為指導,對患者就診數(shù)據與實際情況進行深入分析,廣泛參照成熟的模型和算法并加以優(yōu)化和調整,從而應用到自助就診環(huán)節(jié)之中,滿足患者需求,提高醫(yī)院診療質量與接診效率。文章深入研究了醫(yī)療智能診斷的有關方法,重點剖析貝葉斯分類技術、模型在線訓練方法及最小化風險決策理論,對增量貝葉斯模型及相應算法給予調整,并基于該模型設計實現(xiàn)了帶有科室推薦功能的自助掛號系統(tǒng)。本文的研究內容如下：1)本文以理解患者就診數(shù)據為基礎,借鑒成熟的機器學習方法,對現(xiàn)有增量貝葉斯模型給予三個方面的調整：首先,對模型增量訓練算法新類別與新特征的學習予以描述；其次,對訓練算法引入樣本選擇策略,... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
        1.1.1 相關研究的現(xiàn)狀
        1.1.2 研究目的及意義
    1.2 研究內容
        1.2.1 本文工作
        1.2.2 文章結構
第二章 機器學習相關理論
    2.1 分類
        2.1.1 模型
        2.1.2 策略
        2.1.3 算法
    2.2 批量學習與增量學習
    2.3 貝葉斯分類方法
        2.3.1 樸素貝葉斯
        2.3.2 樹型強化貝葉斯
        2.3.3 加權貝葉斯
    2.4 增量貝葉斯模型
    2.5 本章小結
第三章 基于增量貝葉斯模型的改進
    3.1 知識域擴展
        3.1.1 類別域
        3.1.2 特征域
        3.1.3 類別域與特征域
    3.2 類別間的不平衡性與樣本選擇
    3.3 算法描述
    3.4 代價函數(shù)中參數(shù)取值分析
    3.5 本章小結
第四章 實驗與分析
    4.1 UCI數(shù)據驗證
    4.2 實際數(shù)據驗證
        4.2.1 數(shù)據描述
        4.2.2 數(shù)據表示
        4.2.3 效果驗證
    4.3 本章小結
第五章 自助掛號系統(tǒng)的設計與實現(xiàn)
    5.1 需求分析說明
    5.2 設計原則
    5.3 系統(tǒng)架構
    5.4 數(shù)據庫設計
    5.5 系統(tǒng)實現(xiàn)與展示
        5.5.1 自助掛號的實現(xiàn)
        5.5.2 模型訓練與管理實現(xiàn)
        5.5.3 科室推薦實現(xiàn)
    5.6 本章小結
第六章 結論和展望
    6.1 主要結論
    6.2 研究展望
參考文獻
在學期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于增量式貝葉斯模型的中文問句分類研究[J]. 王小林,鎮(zhèn)麗華,楊思春,邰偉鵬,鄭嘯.  計算機工程. 2014(09)
[2]樸素貝葉斯增量學習在病毒上報分析中的應用[J]. 陳亮,鄭寧,郭艷華,徐明,胡永濤.  計算機應用與軟件. 2010(01)
[3]一種增量貝葉斯分類模型[J]. 宮秀軍,劉少輝,史忠植.  計算機學報. 2002(06)
[4]一個仿人疾病診斷專家系統(tǒng)模型[J]. 張紅梅,王永成.  計算機應用研究. 2000(01)

碩士論文
[1]基于多詞TF-IDF算法的智能導醫(yī)系統(tǒng)研究[D]. 黃雷.鄭州大學 2015
[2]基于文本挖掘的疾病輔助導診技術研究[D]. 徐冉.北京郵電大學 2015
[3]基于患者病癥門診綜合導醫(yī)系統(tǒng)的設計與實現(xiàn)[D]. 楊彬.西南交通大學 2014
[4]增量學習樸素貝葉斯中文分類系統(tǒng)的研究[D]. 羅福星.中南大學 2008



本文編號：3208368