| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 数据挖掘的研究现状 | 第13-14页 |
| 1.2.2 关联分类算法的研究现状 | 第14-15页 |
| 1.2.3 特征约简技术的研究现状 | 第15-18页 |
| 1.2.4 数据挖掘在冠心病诊疗中的应用研究 | 第18-19页 |
| 1.3 主要研究内容和创新点 | 第19页 |
| 1.4 论文组织结构安排 | 第19-21页 |
| 第二章 关联分类及特征约简相关理论基础 | 第21-32页 |
| 2.1 关联分类算法论述 | 第21-25页 |
| 2.1.1 关联分类的基本概念和定义 | 第22-23页 |
| 2.1.2 分类关联规则生成 | 第23-24页 |
| 2.1.3 分类规则修剪 | 第24-25页 |
| 2.2 数据挖掘中的特征选择 | 第25-29页 |
| 2.2.1 特征选择相关理论 | 第25-26页 |
| 2.2.2 特征子集的生成 | 第26-27页 |
| 2.2.3 特征子集的评估 | 第27-29页 |
| 2.3 模型评测指标 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于分块挖掘和事先剪枝的关联分类算法研究 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 关联分类算法改进思想 | 第32-36页 |
| 3.2.1 基于分类标识的规则挖掘 | 第32-33页 |
| 3.2.2 基于最大频繁项集的事先剪枝 | 第33-35页 |
| 3.2.3 分类规则修剪 | 第35-36页 |
| 3.3 算法实现与实例分析 | 第36-40页 |
| 3.4 实验结果验证 | 第40-43页 |
| 3.4.1 实验环境与数据准备 | 第40-41页 |
| 3.4.2 实验结果分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于Relief F算法和互信息的特征选择算法研究 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 基于Relief F算法的特征权重计算 | 第44-46页 |
| 4.3 基于互信息的特征子集生成和修正 | 第46-49页 |
| 4.3.1 基于类别属性互信息的特征子集生成 | 第46-48页 |
| 4.3.2 基于特征间互信息的特征子集修正 | 第48-49页 |
| 4.4 实验结果验证 | 第49-52页 |
| 4.4.1 实验数据准备与说明 | 第49-50页 |
| 4.4.2 实验过程与结果分析 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 改进后的关联分类算法在冠心病诊断中的应用 | 第54-65页 |
| 5.1 引言 | 第54页 |
| 5.2 实验环境介绍 | 第54页 |
| 5.3 实验数据采集与处理 | 第54-57页 |
| 5.4 基于ACCP关联分类算法的冠心病诊断 | 第57-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 全文工作总结 | 第65-66页 |
| 6.2 未来的工作展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间的研究成果 | 第72-73页 |
| 致谢 | 第73页 |