1. 毕业设计（论文）主要目标：
1.了解自闭症（ASD）儿童数据集的基本统计特征；
2.加深对已学现代统计分析方法理解和掌握，学习降维、判别分析等相关理论知识及建模方法；
3.分析ASD儿童数据集，根据数据特点，选用最适合的统计方法进行建模和判别；
2. 毕业设计（论文）主要内容：
本文以加州大学欧文分校（UCI）提供的292个自闭症儿童数据集为对象，来进行筛查与诊断。
数据集共有21个特征值，用Lasso模型对数据进行降维，确定ASD的最高排名特征，并直接得出判别结果，来诊断训练集和测试集。
3. 主要参考文献
| [1] 鲁明辉.自闭症谱系障碍共病研究现状与启示[J]. 现代特殊教育,2015,(1): 34-39 . [2] 王璇.上海市自闭症幼儿诊断与训练的调查研究[M].上海：华东师范大学,2002. 1-49. [3] 黄可.自闭症儿童教育诊断评估工具及其特点分析[J].中国特殊教育,2013,(5):52-56. [4] Thabtah. Machine Learning in Autistic Spectrum Disorder Behavioural Research:A Review. To Appear in Informatics for Health and Social Care Journal.December, [F].2017 (in press) . [5] Kim S.H C Lord V.H Bal. Longitudinalfollow-up of academic achievement in children with autism from age 2 to 18[J].Child Psychol Psychiatry, 2018 Mar;59(3):258-267. [6] Perera, H K.C Jeewandara SSeneviratne C Guruge . Culturally adapted pictorial screening tool forautism spectrum disorder: A new approach [J]. World J Clin Pediatr. 2017 Feb8;6(1):45-51 . [7] Salisbury A Louisa , Sensitivity andSpecificity of 2 Autism Screeners Among Referred Children Between 16 and 48Months of Age.[J]. Journal of developmental and behavioral pediatrics :JDBP.2018 Apr;39(3):254-258 . [8] Tseng, R E.YDo. Facial expressionwonderland (FEW): a novel design prototype of information and computertechnology (ICT) for children with autism spectrum disorder (ASD).[D],2010 . |
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
