数据挖掘技术在肿瘤疾病诊疗中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 数据挖掘技术研究现状 | 第10-12页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11页 |
| 1.2.3 数据挖掘在肿瘤疾病中研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 数据挖掘技术与挖掘算法 | 第14-34页 |
| 2.1 数据挖掘技术的产生 | 第14页 |
| 2.2 数据挖掘的功能分类 | 第14-16页 |
| 2.3 数据挖掘的应用流程 | 第16-17页 |
| 2.4 数据挖掘的算法应用 | 第17-29页 |
| 2.4.1 人工神经网络 | 第17-18页 |
| 2.4.2 关联规则 | 第18-21页 |
| 2.4.3 聚类分析 | 第21-22页 |
| 2.4.4 决策树算法 | 第22-24页 |
| 2.4.5 贝叶斯分类法 | 第24-27页 |
| 2.4.6 支持向量机 | 第27-29页 |
| 2.5 挖掘算法的对比分析 | 第29-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 医疗数据预处理 | 第34-43页 |
| 3.1 数据来源 | 第35-38页 |
| 3.1.1 原始数据特点 | 第35-36页 |
| 3.1.2 原始数据样例 | 第36-38页 |
| 3.2 数据预处理 | 第38-42页 |
| 3.3 本章小结 | 第42-43页 |
| 4 肿瘤疾病的数据挖掘实验 | 第43-69页 |
| 4.1 关联规则算法挖掘 | 第43-51页 |
| 4.1.1 Apriori算法原理 | 第43-51页 |
| 4.2 K-means算法挖掘 | 第51-54页 |
| 4.2.1 非监督算法 | 第51页 |
| 4.2.2 K-means算法的聚类过程 | 第51-52页 |
| 4.2.3 K-means算法的挖掘应用 | 第52-54页 |
| 4.3 决策树算法挖掘 | 第54-57页 |
| 4.3.1 决策树的原理 | 第54页 |
| 4.3.2 决策树算法应用 | 第54-57页 |
| 4.4 贝叶斯算法 | 第57-63页 |
| 4.4.1 贝叶斯算法原理 | 第57-58页 |
| 4.4.2 贝叶斯算法应用 | 第58-63页 |
| 4.5 支持向量机算法 | 第63-66页 |
| 4.5.1 支持向量机算法原理 | 第63页 |
| 4.5.2 支持向量机算法应用 | 第63-66页 |
| 4.6 神经网络算法 | 第66-68页 |
| 4.6.1 神经网络算法原理 | 第66页 |
| 4.6.2 神经网络算法应用 | 第66-68页 |
| 4.7 本章小结 | 第68-69页 |
| 5 挖掘结果分析对比及运用 | 第69-73页 |
| 5.1 肿瘤疾病的病症因素挖掘分析 | 第69-70页 |
| 5.2 挖掘算法性能对比 | 第70-71页 |
| 5.3 数据挖掘技术在医疗信息平台的运用 | 第71-72页 |
| 5.4 本章小结 | 第72-73页 |
| 6 结论与展望 | 第73-75页 |
| 6.1 关于肿瘤疾病的挖掘结论 | 第73-74页 |
| 6.1.1 研究结论 | 第73-74页 |
| 6.2 未来展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的学术论文 | 第80-81页 |
