| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 研究目的和意义 | 第17-18页 |
| 1.3 国内外研究进展 | 第18-26页 |
| 1.3.1 地址匹配研究现状 | 第19-22页 |
| 1.3.2 城市疾病制图空间分析研究现状 | 第22-26页 |
| 1.3.3 主要存在问题 | 第26页 |
| 1.4 研究内容 | 第26-27页 |
| 1.5 论文组织结构 | 第27-30页 |
| 第二章 城市疾病制图和空间分析理论方法研究 | 第30-51页 |
| 2.1 城市流行病学概述 | 第30-31页 |
| 2.1.1 城市流行病学 | 第30页 |
| 2.1.2 GIS在城市疾病研究中的优势 | 第30-31页 |
| 2.2 疾病制图研究 | 第31-37页 |
| 2.2.1 疾病制图定义 | 第31-33页 |
| 2.2.2 疾病数据的空间效应 | 第33-36页 |
| 2.2.3 疾病制图“三间”分布 | 第36-37页 |
| 2.3 空间分析 | 第37-47页 |
| 2.3.1 空间分析定义 | 第37-39页 |
| 2.3.2 空间分析方法 | 第39-47页 |
| 2.4 空间数据分析方法在城市疾病研究中的应用 | 第47-49页 |
| 2.5 常用空间分析软件 | 第49-51页 |
| 第三章 基于关联规则的自适应地址模型构建 | 第51-66页 |
| 3.1 国内外地址模型和规范 | 第51-53页 |
| 3.1.1 美国的DIME和TIGER模型 | 第51页 |
| 3.1.2 日本Trie树模型 | 第51-52页 |
| 3.1.3 ESRI模型 | 第52页 |
| 3.1.4 国内层次地址编码模型 | 第52-53页 |
| 3.1.5 地址编码规范 | 第53页 |
| 3.2 中文地址特点 | 第53-56页 |
| 3.2.1 中文地址概述 | 第53-54页 |
| 3.2.2 中文地址特点 | 第54-55页 |
| 3.2.3 中文地址要素分类 | 第55-56页 |
| 3.3 地址特征尾词词库构建 | 第56-58页 |
| 3.3.1 地址特征尾词概述 | 第57页 |
| 3.3.2 地址特征尾词分类 | 第57-58页 |
| 3.3.3 地址特征尾词提取方法 | 第58页 |
| 3.4 基于关联规则的自适应地址模型 | 第58-61页 |
| 3.4.1 关联规则基本思想 | 第58-59页 |
| 3.4.2 关联规则的算法 | 第59-60页 |
| 3.4.3 基于关联规则的自适应地址模型 | 第60-61页 |
| 3.5 实验结果分析 | 第61-65页 |
| 3.5.1 地址数据来源 | 第61页 |
| 3.5.2 特征尾词提取 | 第61-62页 |
| 3.5.3 地址模型结果分析 | 第62-65页 |
| 3.6 本章小结 | 第65-66页 |
| 第四章 地址匹配原理与数据库设计研究 | 第66-79页 |
| 4.1 地址匹配原理 | 第66-67页 |
| 4.2 地址匹配数据库设计 | 第67-72页 |
| 4.2.1 数据库总体设计 | 第67-69页 |
| 4.2.2 地址数据库详细设计 | 第69-72页 |
| 4.3 地址数据入库流程 | 第72-77页 |
| 4.3.1 地址数据入库 | 第73-76页 |
| 4.3.2 地址数据质量检查 | 第76-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第五章 基于地址要素逆向对齐的莱文斯坦地址匹配研究 | 第79-104页 |
| 5.1 地址匹配流程 | 第79-88页 |
| 5.1.1 中文分词方法概述 | 第79-81页 |
| 5.1.2 地址标准化 | 第81-85页 |
| 5.1.3 地址匹配流程 | 第85-88页 |
| 5.2 基于地址要素逆向对齐的莱文斯坦匹配算法 | 第88-95页 |
| 5.2.1 地址相似度 | 第88-89页 |
| 5.2.2 莱文斯坦匹配算法 | 第89-92页 |
| 5.2.3 基于地址要素逆向对齐的莱文斯坦匹配算法 | 第92-95页 |
| 5.2.4 两种算法之间的比较 | 第95页 |
| 5.3 地址匹配引擎 | 第95-102页 |
| 5.3.1 地址匹配引擎功能 | 第96-97页 |
| 5.3.2 地址匹配引擎设计与实现 | 第97-102页 |
| 5.4 本章小结 | 第102-104页 |
| 第六章 基于地址匹配的深圳市肝病制图空间分析 | 第104-128页 |
| 6.1 材料和方法 | 第104-107页 |
| 6.1.1 数据来源 | 第104页 |
| 6.1.2 疾病制图空间分析方法 | 第104-105页 |
| 6.1.3 数据预处理 | 第105-107页 |
| 6.2 结果分析 | 第107-124页 |
| 6.2.1 深圳市肝病的流行特征 | 第107-109页 |
| 6.2.2 深圳市肝病的空间相关性 | 第109-112页 |
| 6.2.3 深圳市肝病的时空聚集性 | 第112-113页 |
| 6.2.4 深圳市肝病的相对风险分析 | 第113-115页 |
| 6.2.5 深圳市肝病的重心迁移规律 | 第115-117页 |
| 6.2.6 深圳市肝病的多尺度聚集特征 | 第117-124页 |
| 6.3 讨论 | 第124-125页 |
| 6.3.1 空间统计在疾病空间分析中的优势 | 第124页 |
| 6.3.2 疾病制图的尺度效应 | 第124-125页 |
| 6.3.3 深圳市肝病空间异质性研究 | 第125页 |
| 6.3.4 深圳市肝病时空聚集性检验 | 第125页 |
| 6.3.5 深圳市肝病的风险评估 | 第125页 |
| 6.4 本章小结 | 第125-128页 |
| 6.4.1 主要研究结论 | 第126页 |
| 6.4.2 本研究创新之处 | 第126页 |
| 6.4.3 本研究局限性 | 第126-128页 |
| 第七章 结论和展望 | 第128-131页 |
| 7.1 论文总结 | 第128-129页 |
| 7.2 主要贡献和创新点 | 第129-130页 |
| 7.3 研究展望 | 第130-131页 |
| 参考文献 | 第131-137页 |
| 攻博期间发表的科研成果目录 | 第137-138页 |
| 致谢 | 第138页 |