| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 研究思路与研究方法 | 第17-18页 |
| 1.4.1 研究思路 | 第17页 |
| 1.4.2 研究方法 | 第17-18页 |
| 第二章 相关基础理论 | 第18-31页 |
| 2.1 大数据的内涵 | 第18-25页 |
| 2.1.1 大数据的定义 | 第18-19页 |
| 2.1.2 大数据的特征 | 第19-20页 |
| 2.1.3 大数据在医疗行业中的价值 | 第20-23页 |
| 2.1.4 大数据的处理流程 | 第23-24页 |
| 2.1.5 大数据的主要技术 | 第24-25页 |
| 2.2 数据挖掘 | 第25-30页 |
| 2.2.1 数据挖掘的定义 | 第25-26页 |
| 2.2.2 数据挖掘的任务 | 第26-27页 |
| 2.2.3 数据挖掘的过程 | 第27页 |
| 2.2.4 数据挖掘在医疗行业中的应用——案例举例 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 大数据平台下糖尿病患病率数据处理 | 第31-46页 |
| 3.1 糖尿病的定义 | 第31页 |
| 3.2 糖尿病的基本分型 | 第31-33页 |
| 3.3 糖尿病的诊断标准 | 第33-34页 |
| 3.4 广州地区糖尿病患病率现状 | 第34-37页 |
| 3.5 影响糖尿病主要因素分析 | 第37-39页 |
| 3.6 Hadoop框架介绍 | 第39-45页 |
| 3.6.1 Hadoop系统框架 | 第40-41页 |
| 3.6.2 Hadoop运行机制 | 第41-42页 |
| 3.6.3 MapReduce原理 | 第42-43页 |
| 3.6.4 HDFS分布式文件系统 | 第43页 |
| 3.6.5 HBase数据库 | 第43-45页 |
| 3.6.6 Hive | 第45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 糖尿病患病率趋势预测模型 | 第46-53页 |
| 4.1 趋势预测技术 | 第46-48页 |
| 4.1.1 时间序列分解法 | 第46-47页 |
| 4.1.2 回归分析法 | 第47页 |
| 4.1.3 BP神经网络法 | 第47页 |
| 4.1.4 灰色系统法 | 第47-48页 |
| 4.2 灰色系统 | 第48-50页 |
| 4.3 对灰色模型的完善 | 第50-52页 |
| 4.3.1 平滑性处理 | 第50-51页 |
| 4.3.2 等维信息模型 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 糖尿病患病率趋势预测分析 | 第53-59页 |
| 5.1 总体规划数据管理路线 | 第53-54页 |
| 5.2 优化组织架构和数据管理队伍 | 第54-55页 |
| 5.3 构建模型 | 第55页 |
| 5.4 求解模型 | 第55-57页 |
| 5.5 实证分析 | 第57-58页 |
| 5.6 本章小结 | 第58-59页 |
| 结论与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附件1：答辩委员签名的答辩决议书 | 第65页 |