改进的关联规则算法在慢性病数据挖掘中的研究
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-16页 |
1.1 研究的背景及意义 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 国外研究现状 | 第11-12页 |
1.2.2 国内研究现状 | 第12-13页 |
1.2.3 存在的主要问题 | 第13-14页 |
1.3 研究内容 | 第14-15页 |
1.3.1 研究路线 | 第14页 |
1.3.2 关键问题 | 第14-15页 |
1.4 论文结构 | 第15-16页 |
第二章 相关技术与理论介绍 | 第16-24页 |
2.1 数据挖掘概述 | 第16-20页 |
2.1.1 数据挖掘的概念 | 第16-17页 |
2.1.2 数据挖掘的任务 | 第17页 |
2.1.3 数据挖掘的过程 | 第17-19页 |
2.1.4 数据挖掘的常用方法 | 第19-20页 |
2.2 关联规则介绍 | 第20-22页 |
2.2.1 关联规则概述 | 第20-21页 |
2.2.2 关联规则的分类 | 第21页 |
2.2.3 关联规则的应用 | 第21-22页 |
2.3 Logistic回归分析技术简介 | 第22-23页 |
2.4 本章小结 | 第23-24页 |
第三章 关联规则及Apriori算法分析 | 第24-36页 |
3.1 关联规则研究 | 第24-27页 |
3.1.1 关联规则相关形式化定义 | 第24-26页 |
3.1.2 关联规则挖掘的原理 | 第26页 |
3.1.3 常见的关联规则挖掘算法 | 第26-27页 |
3.2 Apriori算法分析 | 第27-33页 |
3.2.1 Apriori算法思想 | 第28-29页 |
3.2.2 Apriori算法过程 | 第29-31页 |
3.2.3 Apriori算法实例 | 第31-33页 |
3.3 Apriori算法性能分析 | 第33-34页 |
3.4 Apriori算法优化方法概述 | 第34-35页 |
3.5 本章小结 | 第35-36页 |
第四章 含有项目约束的Apriori算法改进 | 第36-49页 |
4.1 基于慢性病项目的约束 | 第36-38页 |
4.2 Apriori算法改进思想 | 第38-44页 |
4.2.1 矩阵相关优化策略 | 第38-40页 |
4.2.2 事先剪枝策略 | 第40-41页 |
4.2.3 改进算法的整体流程及实例 | 第41-44页 |
4.3 改进算法的实现 | 第44-46页 |
4.4 改进算法实验及性能分析评价 | 第46-48页 |
4.5 本章小结 | 第48-49页 |
第五章 慢性病医疗数据挖掘 | 第49-66页 |
5.1 数据表分析 | 第49-52页 |
5.2 慢性病关联规则获取的整体方案 | 第52页 |
5.3 数据预处理 | 第52-58页 |
5.3.1 数据预处理的任务 | 第53-54页 |
5.3.2 慢病数据的处理 | 第54-55页 |
5.3.3 数据离散化 | 第55-56页 |
5.3.4 关系数据库派生事务库 | 第56-58页 |
5.4 慢性病关联规则的获取 | 第58-62页 |
5.4.1 频繁项集以及关联规则的生成 | 第58-61页 |
5.4.2 加入相关度衡量标准 | 第61-62页 |
5.5 关联规则评估与解释 | 第62-65页 |
5.5.1 Logistic回归分析对比 | 第62-63页 |
5.5.2 规则解释 | 第63-65页 |
5.6 本章小结 | 第65-66页 |
第六章 慢性病数据挖掘系统的实现 | 第66-72页 |
6.1 系统概述与设计要求 | 第66页 |
6.2 整体架构与功能模块介绍 | 第66-68页 |
6.3 数据集成平台与开发环境 | 第68-70页 |
6.3.1 集成平台 | 第68-69页 |
6.3.2 开发工具与运行环境 | 第69-70页 |
6.4 关键部分实现 | 第70-71页 |
6.5 本章小结 | 第71-72页 |
第七章 总结与展望 | 第72-74页 |
7.1 论文工作总结 | 第72-73页 |
7.2 存在的不足和今后工作展望 | 第73-74页 |
参考文献 | 第74-78页 |
攻读硕士期间的学术成果 | 第78-79页 |
致谢 | 第79页 |