| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究的内容 | 第10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 2 相关技术 | 第12-24页 |
| 2.1 苗医药理论 | 第12页 |
| 2.2 数据挖掘技术 | 第12-16页 |
| 2.2.1 数据挖掘技术概述 | 第12-13页 |
| 2.2.2 k近邻分类器 | 第13-15页 |
| 2.2.3 贝叶斯网络 | 第15-16页 |
| 2.3 大数据技术 | 第16-23页 |
| 2.3.1 大数据技术概况 | 第16-17页 |
| 2.3.2 Open Stack技术 | 第17-18页 |
| 2.3.3 Hadoop技术 | 第18-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于苗医药大数据的症状与疾病关系挖掘方法 | 第24-35页 |
| 3.1 基于K近邻的症状与疾病关系挖掘方法 | 第24-25页 |
| 3.2 大数据环境中症状与疾病关系挖掘方法 | 第25-28页 |
| 3.2.1 大数据环境中病历数据分布特点 | 第25-26页 |
| 3.2.2 基于分布式k近邻的症状与疾病关系挖掘方法 | 第26-28页 |
| 3.3 实验与分析 | 第28-34页 |
| 3.3.1 实验环境搭建 | 第28-30页 |
| 3.3.2 苗医药病历数据的预处理 | 第30-32页 |
| 3.3.3 实验结果及分析 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于贝叶斯网络的苗药药效挖掘方法 | 第35-44页 |
| 4.1 基于苗医药大数据的药效挖掘模型 | 第35-40页 |
| 4.1.1 模型结构 | 第35-36页 |
| 4.1.2 模型参数 | 第36-38页 |
| 4.1.3 模型推理 | 第38-40页 |
| 4.2 实验与分析 | 第40-43页 |
| 4.2.1 实验环境搭建 | 第40-41页 |
| 4.2.2 病历数据的预处理 | 第41-42页 |
| 4.2.3 实验结果 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-45页 |
| 5.1 工作总结 | 第44页 |
| 5.2 研究展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士期间发表论文 | 第48-49页 |
| 致谢 | 第49-50页 |