| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-12页 |
| 1.1.1 天气敏感性疾病预测背景 | 第9-10页 |
| 1.1.2 天气敏感性疾病预测存在问题 | 第10-11页 |
| 1.1.3 基于流数据的疾病预测技术 | 第11-12页 |
| 1.2 本文研究内容及目的 | 第12-13页 |
| 1.3 本文组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 相关研究工作 | 第15-25页 |
| 2.1 天气敏感性疾病中的预测技术 | 第15-21页 |
| 2.1.1 多元逐步回归分析 | 第15-16页 |
| 2.1.2 人工神经网络算法 | 第16-18页 |
| 2.1.3 决策树算法 | 第18-20页 |
| 2.1.4 基于气象的协同过滤算法在疾病预测中的应用 | 第20-21页 |
| 2.2 流数据相关技术 | 第21-24页 |
| 2.2.1 流数据理论研究 | 第21-22页 |
| 2.2.2 流数据相关技术的研究现状 | 第22-23页 |
| 2.2.3 天气敏感性疾病预测在流数据上的进展 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于流数据的JacUOD算法的疾病预测模型 | 第25-43页 |
| 3.1 气象因子的筛选 | 第25-27页 |
| 3.1.1 单因素相关性分析 | 第26-27页 |
| 3.2 日期_人数_气象因子矩阵 | 第27-28页 |
| 3.3 基于滑动窗口的数据筛选 | 第28-29页 |
| 3.3.1 滑动窗口大小确定 | 第28页 |
| 3.3.2 基于滑动窗口的数据挖掘 | 第28-29页 |
| 3.4 相似度计算 | 第29-31页 |
| 3.4.1 相似度计算方法 | 第29-30页 |
| 3.4.2 不同日期气象因子之间相似度的计算 | 第30-31页 |
| 3.5 基于气象信息的疾病预测算法 | 第31-32页 |
| 3.5.1 最近邻居选取 | 第31页 |
| 3.5.2 产生预测 | 第31-32页 |
| 3.6 基于流数据的JacUOD算法的疾病预测模型 | 第32-33页 |
| 3.7 实验分析及结论 | 第33-42页 |
| 3.7.1 实验数据集 | 第33-34页 |
| 3.7.2 数据预处理 | 第34-35页 |
| 3.7.3 滑动窗口大小选取实验 | 第35-36页 |
| 3.7.4 最近邻居N值选取实验 | 第36-37页 |
| 3.7.5 与传统疾病预测算法比较实验 | 第37-42页 |
| 3.8 本章小结 | 第42-43页 |
| 第四章 基于流数据的决策树算法实现疾病预测 | 第43-52页 |
| 4.1 滑动窗口大小的选择 | 第43页 |
| 4.2 基于滑动窗口的数据挖掘 | 第43-44页 |
| 4.3 基于决策树算法的疾病预测 | 第44-45页 |
| 4.4 实验分析及讨论 | 第45-51页 |
| 4.4.1 滑动窗口大小选取实验 | 第46页 |
| 4.4.2 基于流数据的决策树算法实验 | 第46-51页 |
| 4.5 两种基于流数据的疾病预测算法的对比分析 | 第51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 “天气与健康”APP原型 | 第52-63页 |
| 5.1 “天气与健康”APP原型项目背景 | 第52页 |
| 5.2 “天气与健康”APP原型设计 | 第52-58页 |
| 5.2.1 系统框架 | 第53-54页 |
| 5.2.2 系统流程 | 第54-55页 |
| 5.2.3 数据库设计 | 第55-57页 |
| 5.2.4 接口设计 | 第57-58页 |
| 5.3 “天气与健康”APP原型实现 | 第58-62页 |
| 5.3.1 开发环境 | 第58页 |
| 5.3.2 功能模块 | 第58-61页 |
| 5.3.3 基于气象信息的疾病等级预测 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 进一步工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
