基于多维时间序列的甲亢疾病数据分析
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 课题研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织框架 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关技术简介 | 第16-25页 |
| 2.1 时间序列处理 | 第16-17页 |
| 2.2 距离定义 | 第17-19页 |
| 2.3 时间序列的聚类 | 第19-20页 |
| 2.4 Hadoop分布式处理 | 第20-24页 |
| 2.4.1 基础框架 | 第20-21页 |
| 2.4.2 HDFS | 第21-22页 |
| 2.4.3 Map Reduce | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 甲亢检验指标分析系统架构设计 | 第25-41页 |
| 3.1 患者甲亢数据 | 第25-28页 |
| 3.1.1 甲亢检验指标数据结构 | 第26-27页 |
| 3.1.2 患者体层次结构 | 第27-28页 |
| 3.2 患者甲亢指标数据处理过程 | 第28-33页 |
| 3.2.1 患者甲亢数据的预处理 | 第28-29页 |
| 3.2.2 甲亢指标时间序列的规则化 | 第29-31页 |
| 3.2.3 多指标患者体之间距离的处理 | 第31-32页 |
| 3.2.4 数据处理中难点 | 第32-33页 |
| 3.3 系统架构 | 第33-40页 |
| 3.3.1 总体架构设计 | 第33-34页 |
| 3.3.2 患者数据预处理模块 | 第34-36页 |
| 3.3.3 多维临床检验指标时间序列聚类分析模块 | 第36-38页 |
| 3.3.4 并行化处理模块 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 甲亢检验指标的多维时间序列聚类算法 | 第41-51页 |
| 4.1 相关定义 | 第41-43页 |
| 4.2 非同步临床检验指标时间序列的聚类 | 第43-45页 |
| 4.2.1 密度聚类算法概述 | 第43-44页 |
| 4.2.2 LabTS-CLU算法 | 第44-45页 |
| 4.3 多维时间序列聚类的分布式处理 | 第45-50页 |
| 4.3.1 分布式下患者数据预处理 | 第45-47页 |
| 4.3.2 并行化处理LabTS-CLU算法 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 系统实现与测试 | 第51-62页 |
| 5.1 Hadoop平台配置 | 第51-54页 |
| 5.1.1 实验环境简介 | 第51页 |
| 5.1.2 实验准备工作 | 第51-52页 |
| 5.1.3 实验环境配置 | 第52-54页 |
| 5.2 甲亢疾病数据分析系统的实现 | 第54-57页 |
| 5.2.1 数据处理模块的实现 | 第55-56页 |
| 5.2.2 数据分析模块的实现 | 第56-57页 |
| 5.3 系统测试 | 第57-61页 |
| 5.3.1 实验数据简介 | 第58页 |
| 5.3.2 实验数据对比 | 第58-60页 |
| 5.3.3 系统评测结果与分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果目录 | 第68页 |
