| 符号说明 | 第1-7页 |
| 中文摘要 | 第7-9页 |
| 英文摘要 | 第9-11页 |
| 基于医学信息数据仓库的数据挖掘研究 | 第11页 |
| 前言 | 第11-12页 |
| 第一部分 数据仓库与数据挖掘涉及的主要技术 | 第12-24页 |
| 第一节 数据仓库的相关概念 | 第12-15页 |
| 1 数据仓库的概念 | 第12-13页 |
| 2 数据仓库的特点 | 第13-14页 |
| 3 数据仓库模型的体系结构 | 第14-15页 |
| 第二节 联机分析处理(OLAP)技术相关原理 | 第15-18页 |
| 1 联机分析处理(OLAP)的定义及相关概念 | 第15-16页 |
| 2 OLAP特性 | 第16-17页 |
| 3 OLAP的分类 | 第17-18页 |
| 第三节 数据挖掘技术相关原理 | 第18-24页 |
| 1 数据挖掘概念 | 第18-19页 |
| 2 数据挖掘的功能 | 第19-20页 |
| 3 数据挖掘的一般流程 | 第20-22页 |
| 4 数据挖掘与数据仓库、OLAP的关系 | 第22-23页 |
| 5 数据挖掘算法的类型 | 第23-24页 |
| 第二部分 医学信息数据仓库的构建 | 第24-29页 |
| 第一节 SQL Server 2008医学信息数据仓库平台 | 第24-26页 |
| 1 SQL Server 2008数据仓库架构 | 第24-25页 |
| 2 SQL Server 2008数据仓库平台的优点 | 第25-26页 |
| 第二节 医学信息数据仓库的构建 | 第26-29页 |
| 1 确定主题 | 第27-28页 |
| 2 数据准备 | 第28页 |
| 3 建立模型 | 第28页 |
| 4 评估、解释模型 | 第28页 |
| 5 运用、巩固模型 | 第28-29页 |
| 第三部分 基于医学信息数据仓库的数据挖掘 | 第29-54页 |
| 第一节 关联功能在疾病监测控制中的应用 | 第29-36页 |
| 1 关联规则的功能 | 第29-31页 |
| 2 关联规则的分析方法 | 第31-32页 |
| 3 关联规则的应用——院内感染监测控制 | 第32-36页 |
| 第二节 用分类功能实现冠心病预测 | 第36-48页 |
| 1 分类的功能 | 第36-40页 |
| 2 分类的方法 | 第40-46页 |
| 3 分类的应用—冠心病预测 | 第46-48页 |
| 第三节 聚类分析应用——住院患者人群分类 | 第48-54页 |
| 1 聚类分析的功能 | 第48页 |
| 2 聚类分析的方法 | 第48-50页 |
| 3 用聚类分析算法分类住院患者人群 | 第50-54页 |
| 全文总结 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 硕士研究生在读期间的成果 | 第59页 |