| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1. 绪论 | 第8-19页 |
| ·数据挖掘概述 | 第8-13页 |
| ·数据挖掘的现实意义及定义 | 第8-9页 |
| ·数据挖掘系统的分类 | 第9-10页 |
| ·数据挖掘的功能 | 第10-12页 |
| ·概念/类描述:特征化和区分 | 第10页 |
| ·关联分析 | 第10-11页 |
| ·分类和预测 | 第11页 |
| ·聚类分析 | 第11页 |
| ·孤立点分析 | 第11-12页 |
| ·演变分析 | 第12页 |
| ·国内外发展现状及应用 | 第12-13页 |
| ·数据挖掘在中医学领域研究中的应用 | 第13-17页 |
| ·在中医学研究中应用数据挖掘技术的必要性 | 第13-15页 |
| ·数据挖掘在中医证候学研究中的应用 | 第15-17页 |
| ·本文的项目背景与意义 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 2 原始数据采集与数据预处理 | 第19-27页 |
| ·引言 | 第19页 |
| ·基本数据预处理方法 | 第19-20页 |
| ·实验原始数据来源 | 第20-21页 |
| ·纳入标准 | 第20页 |
| ·排除标准 | 第20页 |
| ·数据的特点 | 第20-21页 |
| ·中医临床诊断数据的预处理 | 第21-25页 |
| ·实验数据结构规范 | 第21-22页 |
| ·原始中医数据预处理 | 第22-25页 |
| ·症状术语的预处理 | 第22-23页 |
| ·辨证名称的预处理 | 第23-24页 |
| ·方药名称的预处理 | 第24-25页 |
| ·数据预处理伪代码 | 第25-26页 |
| ·小结 | 第26-27页 |
| 3 关联规则及其在中医临床经验挖掘中的应用 | 第27-43页 |
| ·引言 | 第27页 |
| ·关联规则的基本概念 | 第27-29页 |
| ·定义及基本概念 | 第27-28页 |
| ·关联规则的分类 | 第28-29页 |
| ·经典关联规则算法 | 第29-32页 |
| ·Apriori 算法 | 第29-31页 |
| ·FP-增长算法 | 第31-32页 |
| ·用 FP-增长算法挖掘中医临床经验 | 第32-36页 |
| ·把多维关联规则挖掘转化为单维关联规则 | 第32-33页 |
| ·测试结果及评价 | 第33-36页 |
| ·改进多维布尔关联规则挖掘算法并应用于中医临床经验挖掘 | 第36-42页 |
| ·问题的提出 | 第36页 |
| ·位图矩阵及操作 | 第36-38页 |
| ·算法介绍 | 第38-40页 |
| ·测试结果及评价 | 第40-42页 |
| ·小结 | 第42-43页 |
| 4 基于遗传算法的双向关联规则挖掘中药配伍 | 第43-52页 |
| ·问题的提出 | 第43-44页 |
| ·双向关联规则相关概念及定义 | 第44-46页 |
| ·基于遗传算法的双向关联规则挖掘算法 | 第46-49页 |
| ·编码及种群初始化改进 | 第46-47页 |
| ·适应度函数改进 | 第47-48页 |
| ·遗传操作及相关改进 | 第48-49页 |
| ·测试结果及评价 | 第49-51页 |
| ·测试结果 | 第49-50页 |
| ·结果评价 | 第50-51页 |
| ·小结 | 第51-52页 |
| 5 基于信息熵的决策树在慢性胃炎中医辨证分类中的应用 | 第52-66页 |
| ·引言 | 第52页 |
| ·决策树分类算法 | 第52-54页 |
| ·决策树的介绍 | 第52-53页 |
| ·决策树的生成原理 | 第53-54页 |
| ·ID3 算法 | 第54-60页 |
| ·属性选择度量 | 第54-55页 |
| ·算法概述 | 第55-56页 |
| ·应用实例模型 | 第56-60页 |
| ·ID3 算法在慢性胃炎中医辨证分类中的应用 | 第60-65页 |
| ·准备分类的数据 | 第60-61页 |
| ·实验结果 | 第61-63页 |
| ·结果评价 | 第63-65页 |
| ·小结 | 第65-66页 |
| 总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |