首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

基于医疗数据挖掘的在线病情分析系统研究与开发

摘要第1-6页
ABSTRACT第6-10页
第1章 绪论第10-13页
   ·研究意义第10-11页
   ·研究目标第11页
   ·研究内容第11-13页
     ·医疗数据挖掘概述第11页
     ·数据分类算法研究与分析第11页
     ·多维医疗数据预处理第11-12页
     ·基于多维医疗数据挖掘的病例分析第12页
     ·基于Weka的在线病情分析系统开发第12-13页
第2章 医疗数据挖掘概述第13-17页
   ·医疗数据挖掘第13页
   ·医疗数据主要特点第13-14页
   ·医疗数据挖掘基本过程第14-15页
   ·医疗数据挖掘的关键技术第15页
   ·医学数据挖掘应用第15-17页
     ·医院信息系统应用第15-16页
     ·疾病诊断、预测第16页
     ·医学图像挖掘第16-17页
第3章 特征选择与数据分类算法研究第17-30页
   ·特征选择数据分类研究现状第17-19页
     ·特征选择研究现状第17-18页
     ·数据分类研究现状第18-19页
   ·新特征选择方法及其实现第19-24页
     ·数据离散化与不一致率第19-21页
       ·数据离散化第19-21页
       ·数据不一致率第21页
     ·基于不一致率特征选择第21-23页
     ·基于不一致率数据分类第23-24页
   ·算法特征分析与改进第24页
   ·实例分析第24-30页
     ·离散化第24-26页
     ·不一致率第26-27页
     ·基于不一致率的特征选择第27-28页
     ·基于不一致率的数据分类第28-30页
第4章 多维医疗数据预处理第30-37页
   ·医疗数据采集第30页
     ·数据来源第30页
   ·数据集成第30-31页
   ·数据清洗第31-34页
     ·数据字段内容第31页
     ·数据字段清洗第31-34页
   ·数据变换第34页
   ·数据格式转换第34-35页
     ·Oracle数据转换为WEKA数据格式第34页
     ·WEKA数据格式——ARFF第34-35页
   ·预处理结果第35-37页
     ·糖尿病(tnb)数据第35页
     ·高血压(gxy)数据第35-36页
     ·冠心病(gxb)数据第36-37页
第5章 基于多维医疗数据挖掘的病情分析第37-42页
   ·病情分类问题设定第37页
   ·多维医疗数据分类第37-42页
     ·特征选择第37-40页
     ·数据分类第40-42页
第6章 基于Weka在线病情分析系统第42-69页
   ·特征选择和数据分类Weka实现第42-47页
     ·针对离散化操作Chi-merge类第43-45页
     ·针对特征选择方法中的方法第45-46页
     ·针对分类规则提取RuleTable类第46-47页
   ·基于Weka二次开发Web应用系统第47-49页
     ·Weka添加新的算法第47页
     ·Web系统调用Weka关键代码第47-49页
   ·基于Weka在线病情分析系统设计第49-60页
     ·需求分析第49-52页
       ·适用范围第49页
       ·系统功能第49-51页
       ·运行环境第51-52页
     ·概要设计第52-56页
       ·处理流程设计第52-53页
       ·体系结构设计和整体设计第53-54页
       ·页面设计第54-56页
     ·详细设计第56-60页
       ·框架介绍第56-57页
       ·数据存储设计第57-59页
       ·主要模块设计第59-60页
   ·基于Weka在线病情分析系统测试第60-69页
     ·前台页面测试第60-65页
       ·病理介绍测试第60-61页
       ·数据挖掘测试第61-63页
       ·病例预测测试第63-65页
       ·历史数据测试第65页
     ·后台管理页面测试第65-68页
       ·病例管理测试第65-66页
       ·用户管理测试第66页
       ·数据管理测试第66-68页
     ·注册页面第68-69页
第7章 结论与展望第69-70页
   ·结论第69页
   ·展望第69-70页
参考文献第70-72页
致谢第72页

论文共72页,点击 下载论文
上一篇:基于交通违法行为图像防篡改技术的研究与应用
下一篇:团购网站中的数据挖掘应用技术研究