| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·引言 | 第10页 |
| ·研究背景和意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·问题的提出 | 第12页 |
| ·研究内容 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第2章 关联规则的基本理论 | 第14-26页 |
| ·基本概念 | 第14-15页 |
| ·关联规则挖掘的典型算法 | 第15-24页 |
| ·基于多次迭代式的关联规则挖掘算法 | 第16-20页 |
| ·Apriori算法的步骤 | 第16-18页 |
| ·Apriori算法的伪码程序 | 第18-19页 |
| ·Apriori算法实例 | 第19页 |
| ·Apriori算法存在的问题 | 第19-20页 |
| ·基于频繁模式树的关联规则挖掘算法 | 第20-22页 |
| ·频繁模式树产生频繁项集算法的主要思想 | 第20-21页 |
| ·FP-tree构造算法 | 第21页 |
| ·FP-growth算法及流程图 | 第21-22页 |
| ·其它关联规则挖掘算法 | 第22-23页 |
| ·由频繁项集产生关联规则 | 第23-24页 |
| ·存在的主要问题 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 医学图像的预处理 | 第26-38页 |
| ·医学成像技术简介 | 第26-27页 |
| ·图像感兴趣区域ROI的提取 | 第27-29页 |
| ·ROI的提取方法分类 | 第27-28页 |
| ·阈值法对ROI的提取 | 第28-29页 |
| ·ROI提取的流程图 | 第29页 |
| ·ROI特征属性的提取 | 第29-34页 |
| ·ROI特征属性的定义 | 第29-32页 |
| ·ROI特征属性提取流程 | 第32-34页 |
| ·ROI特征属性提取部分代码 | 第34页 |
| ·ROI的聚类 | 第34-36页 |
| ·相似性度量 | 第34-35页 |
| ·CRA聚类算法伪码 | 第35-36页 |
| ·图像事务数据库的组织 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于差值约束的医学图像关联模式挖掘算法 | 第38-48页 |
| ·问题的提出 | 第38-39页 |
| ·基于差值约束的FIMA算法(Diff_FIMA) | 第39-45页 |
| ·基本概念 | 第39页 |
| ·频繁信息矩阵构造算法 | 第39-41页 |
| ·基于频繁信息矩阵的FIMA算法 | 第41-42页 |
| ·基于差值约束的FIMA算法(Diff FIMA) | 第42-43页 |
| ·Diff FIMA算法流程图 | 第43-44页 |
| ·算法分析 | 第44-45页 |
| ·实验结果及分析 | 第45-47页 |
| ·Diff_FIMA算法与FP-growth算法性能比较实验 | 第45-46页 |
| ·Diff FIMA算法挖掘ROI关联模式实验 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于关联图和特征矩阵的医学图像关联模式挖掘算法 | 第48-67页 |
| ·基于关联图的关联规则挖掘算法DLG | 第49-50页 |
| ·基于特征矩阵的关联规则挖掘算法FAR | 第50页 |
| ·问题的提出 | 第50-51页 |
| ·基于关联图和特征矩阵的GMA算法 | 第51-62页 |
| ·基本概念 | 第51-52页 |
| ·特征矩阵和关联图的构建 | 第52-55页 |
| ·矩阵剪枝策略 | 第55-57页 |
| ·关联图选择扩展连接算法 | 第57-58页 |
| ·频繁-k项集生成算法 | 第58-61页 |
| ·算法分析 | 第61-62页 |
| ·实验结果与分析 | 第62-66页 |
| ·GMA算法与其它算法的性能比较试验分析 | 第62-64页 |
| ·GMA算法挖掘ROI关联模式实验分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-74页 |
| 致谢 | 第74页 |
