妊娠高血壓及其并發(fā)癥作為孕產(chǎn)婦死亡的第二大影響因素,給孕產(chǎn)婦和新生兒帶來嚴(yán)重威脅。該疾病多于妊娠20周后的高血壓、蛋白尿?yàn)轱@著特征,同時(shí)損害身體中其它器官和系統(tǒng),不僅會(huì)影響胎兒母體內(nèi)生長(zhǎng)發(fā)育,甚至?xí)斐赡笅胨劳?是導(dǎo)致孕產(chǎn)婦和胎兒死亡的主要原因之一。目前,業(yè)內(nèi)還沒有研究能夠完全明確其發(fā)病機(jī)制和影響因素。在這一背景下,本文采用數(shù)據(jù)挖掘的方法,對(duì)孕期高血壓展開研究。論文的內(nèi)容主要分為三個(gè)部分:（1）基于隨機(jī)森林和xgboost的妊娠高血壓研究第一部分首先對(duì)孕期高血壓數(shù)據(jù)進(jìn)行預(yù)處理,包括數(shù)據(jù)清洗,去重,處理缺失數(shù)據(jù)和屬性規(guī)約等,最后進(jìn)行數(shù)據(jù)轉(zhuǎn)換和建模分析。本章使用了隨機(jī)森林和Xgboost兩種機(jī)器學(xué)習(xí)模型對(duì)孕期高血壓數(shù)據(jù)進(jìn)行建模分析并對(duì)特征進(jìn)行了評(píng)分。實(shí)驗(yàn)發(fā)現(xiàn)血壓和病人身高體重指數(shù)的特征分?jǐn)?shù)比鈣元素,鈉元素,紅細(xì)胞數(shù)目和血紅蛋白的特征分?jǐn)?shù)大,在疾病的預(yù)測(cè)中起到很大的作用。我們發(fā)現(xiàn)隨機(jī)森林模型準(zhǔn)確率為82.5%,比XgBoost高約3個(gè)百分點(diǎn),但是XgBoost訓(xùn)練速度比隨機(jī)森林要快。（2）基于融合模型的妊娠高血壓分類預(yù)測(cè)鑒于傳統(tǒng)模型無法完全發(fā)現(xiàn)孕期高血壓數(shù)據(jù)潛在的規(guī)律,為了發(fā)揮各種模型的優(yōu)點(diǎn)... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及研究意義
    1.2 研究現(xiàn)狀
    1.3 論文主要研究工作及安排
第二章 孕期高血壓及數(shù)據(jù)挖掘簡(jiǎn)介
    2.1 妊娠高血壓概述
        2.1.1 妊娠高血壓發(fā)病機(jī)制探討
        2.1.2 妊娠高血壓臨床表現(xiàn)
        2.1.3 妊娠高血壓的診斷與治療
    2.2 數(shù)據(jù)挖掘簡(jiǎn)介
        2.2.1 分類與回歸
        2.2.2 關(guān)聯(lián)規(guī)則
        2.2.3 聚類分析
    2.3 數(shù)據(jù)挖掘流程
        2.3.1 數(shù)據(jù)預(yù)處理
        2.3.2 建模分析
        2.3.3 模型評(píng)價(jià)
    2.4 本章小結(jié)
第三章 孕期高血壓數(shù)據(jù)挖掘
    3.1 數(shù)據(jù)集與預(yù)處理
        3.1.1 數(shù)據(jù)來源
        3.1.2 數(shù)據(jù)預(yù)處理
        3.1.3 特征選擇
        3.1.4 實(shí)驗(yàn)環(huán)境簡(jiǎn)介
    3.2 隨機(jī)森林算法
        3.2.1 隨機(jī)森林簡(jiǎn)介
        3.2.2 隨機(jī)森林建模流程
        3.2.3 隨機(jī)森林模型參數(shù)
        3.2.4 隨機(jī)森林模型性能分析
    3.3 Xgboost算法
        3.3.1 XGBoost原理簡(jiǎn)介
        3.3.2 XGBoost的優(yōu)點(diǎn)
        3.3.3 XGBoost建模流程
        3.3.4 XGBoost算法參數(shù)
        3.3.5 XgBoost模型性能分析
    3.4 本章小結(jié)
第四章 基于融合模型的孕期高血壓研究
    4.1 集成學(xué)習(xí)概述
    4.2 融合模型建模流程
    4.3 融合模型的性能分析
    4.4 本章小結(jié)
第五章 基于java web的孕期數(shù)據(jù)采集預(yù)測(cè)系統(tǒng)實(shí)現(xiàn)
    5.1 Web開發(fā)簡(jiǎn)介
    5.2 開發(fā)工具及使用技術(shù)簡(jiǎn)介
        5.2.1 開發(fā)工具
        5.2.2 前端頁面技術(shù)
        5.2.3 服務(wù)器端技術(shù)簡(jiǎn)介
    5.3 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.4 孕期數(shù)據(jù)采集系統(tǒng)功能展示
        5.4.1 用戶注冊(cè)與登錄
        5.4.2 查看任務(wù)列表
        5.4.3 病人信息錄入與查看
        5.4.4 管理員界面
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)歸約效果評(píng)估方法研究[J]. 康睿智,郝文寧.  計(jì)算機(jī)工程與應(yīng)用. 2016(15)
[2]隨機(jī)森林方法研究綜述[J]. 方匡南,吳見彬,朱建平,謝邦昌.  統(tǒng)計(jì)與信息論壇. 2011(03)
[3]360例妊娠期高血壓疾病及其并發(fā)癥妊娠結(jié)局分析[J]. 沈舒,王選華.  中國優(yōu)生與遺傳雜志. 2010(12)
[4]中國高血壓病流行病學(xué)及影響因素研究進(jìn)展[J]. 種冠峰,相有章.  中國公共衛(wèi)生. 2010(03)
[5]基于2型糖尿病數(shù)據(jù)挖掘的中醫(yī)證候診斷標(biāo)準(zhǔn)模型建立研究[J]. 李建生,胡金亮,王永炎.  中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志. 2008(05)
[6]甲型肝炎風(fēng)險(xiǎn)預(yù)測(cè)中Apriori關(guān)聯(lián)規(guī)則應(yīng)用[J]. 關(guān)鵬,曲波,何苗,黃德生,周寶森.  中國公共衛(wèi)生. 2007(02)
[7]尿液中胎盤生長(zhǎng)因子與先兆子癇的發(fā)病風(fēng)險(xiǎn)[J]. Levine R.J,Thadhani R,S.A. Karumanchi,寧亮.  世界核心醫(yī)學(xué)期刊文摘(婦產(chǎn)科學(xué)分冊(cè)). 2005(05)
[8]基于數(shù)據(jù)挖掘技術(shù)的骨腫瘤診斷知識(shí)的自動(dòng)獲取[J]. 張輝,李軍,錢宗才,屈景輝,范清宇.  第四軍醫(yī)大學(xué)學(xué)報(bào). 2004(07)
[9]一種基于模糊聚類分析的疾病電腦預(yù)測(cè)診斷方法[J]. 呂曉燕,郭建軍,李祥生.  電腦開發(fā)與應(yīng)用. 2003(12)
[10]J2EE平臺(tái)上MVC設(shè)計(jì)模式的研究與實(shí)現(xiàn)[J]. 陸榮幸,郁洲,阮永良,王志強(qiáng).  計(jì)算機(jī)應(yīng)用研究. 2003(03)



本文編號(hào)：3137943