| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·研究目的及意义 | 第7-8页 |
| ·中医诊断智能信息化技术国内外研究现状 | 第8-9页 |
| ·数据挖掘基本介绍 | 第9-11页 |
| ·数据挖掘基本概念与功能、方法 | 第9-10页 |
| ·数据挖掘的过程 | 第10-11页 |
| ·论文主要工作及结构安排 | 第11-13页 |
| 2 中医病案数据采集与预处理 | 第13-29页 |
| ·中医病案数据特点 | 第13-14页 |
| ·中医病案数据采集与初步规范 | 第14-18页 |
| ·基于粗糙集属性约简算法的中医哮喘主症状提取 | 第18-24页 |
| ·粗糙集基本概念 | 第18页 |
| ·约简与核、信息系统及决策表 | 第18-19页 |
| ·基于属性重要性的MIBARK算法 | 第19-21页 |
| ·MIBARK算法在哮喘主症状提取中的应用 | 第21-24页 |
| ·电子病案结构设计 | 第24-25页 |
| ·中医病案数据库的建立 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 3 关联分析在哮喘病案数据挖掘中的应用 | 第29-44页 |
| ·关联规则基本概念 | 第29页 |
| ·关联规则的分类 | 第29-30页 |
| ·关联规则的应用 | 第30-31页 |
| ·Apriori及其改进算法 | 第31-43页 |
| ·Apriori算法基本思想及实例分析 | 第31-34页 |
| ·Apriori算法性能分析及部分改进算法 | 第34-36页 |
| ·基于位串逻辑运算的Apriori改进算法 | 第36-41页 |
| ·Apriori-BSO算法描述 | 第36-38页 |
| ·Apriori-BSO算法实例分析 | 第38-41页 |
| ·Apriori-BSO算法在哮喘病案数据挖掘中的应用 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于神经网络的哮喘症状-证型分类预测 | 第44-62页 |
| ·人工神经网络基本概念 | 第44-45页 |
| ·人工神经网络的分类及前向神经网络 | 第45-47页 |
| ·BP算法及其改进算法 | 第47-61页 |
| ·BP算法基本思想及实例分析 | 第47-51页 |
| ·BP算法性能分析及部分改进算法 | 第51-52页 |
| ·基于竞争学习与自适应学习率的改进BP算法 | 第52-55页 |
| ·CAL-BP算法在哮喘症状-证型分类预测中的应用 | 第55-61页 |
| ·本章小结 | 第61-62页 |
| 5 中医病案数据挖掘系统设计 | 第62-70页 |
| ·总体结构设计 | 第62-63页 |
| ·系统开发环境搭建 | 第63-64页 |
| ·系统实现 | 第64-69页 |
| ·病案管理模块实现 | 第64-66页 |
| ·数据挖掘模块实现 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-76页 |