| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 我国长期护理领域的发展 | 第11-13页 |
| 1.1.2 信息化及数据挖掘技术的高速发展 | 第13-14页 |
| 1.2 综述现状 | 第14-16页 |
| 1.2.1 国内长期护理研究现状 | 第14-15页 |
| 1.2.2 国外长期护理研究现状 | 第15页 |
| 1.2.3 数据挖掘及其在长期护理领域应用现状 | 第15-16页 |
| 1.3 意义 | 第16-17页 |
| 1.4 论文主要内容 | 第17-18页 |
| 1.5 论文结构 | 第18-19页 |
| 2 信息化对长期护理领域的支撑作用与影响因素 | 第19-25页 |
| 2.1 信息化对长期护理体系的支撑作用 | 第20-21页 |
| 2.1.1 信息化对长护体系运营管理的支撑作用 | 第20页 |
| 2.1.2 信息化对长护体系公开透明的支撑作用 | 第20页 |
| 2.1.3 信息化对参与护理人员信息高效管理的支撑作用 | 第20-21页 |
| 2.1.4 信息化对政府部门分析决策的支撑作用 | 第21页 |
| 2.2 长期护理体系信息化构建的因素分析 | 第21-23页 |
| 2.2.1 长期护理的信息化构建规划的导向作用 | 第21页 |
| 2.2.2 信息化政策、法规和标准化体系的保障作用 | 第21-22页 |
| 2.2.3 信息化软件平台的支撑作用 | 第22页 |
| 2.2.4 数据挖掘理论与专业人才的决定性作用 | 第22页 |
| 2.2.5 硬件对养老机构信息化的底层基石作用 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 3 数据挖掘与关联规则算法 | 第25-35页 |
| 3.1 数据挖掘概述 | 第25-26页 |
| 3.2 数据挖掘常用方法 | 第26-28页 |
| 3.2.1 关联规则 | 第26页 |
| 3.2.2 决策树方法 | 第26-27页 |
| 3.2.3 聚类分析 | 第27页 |
| 3.2.4 神经网络 | 第27-28页 |
| 3.3 关联规则算法 | 第28-31页 |
| 3.3.1 关联规则相关概念 | 第28-30页 |
| 3.3.2 关联规则的分类 | 第30页 |
| 3.3.3 关联规则的核心步骤 | 第30-31页 |
| 3.4 Apriori算法 | 第31-34页 |
| 3.4.1 算法概述 | 第31-32页 |
| 3.4.2 算法描述 | 第32-34页 |
| 3.4.3 算法缺点 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于矩阵和位运算的改进的Apriori算法 | 第35-45页 |
| 4.1 改进算法原理 | 第35页 |
| 4.2 扫描数据库 | 第35-37页 |
| 4.3 寻找频繁项集 | 第37-39页 |
| 4.4 输出强关联规则 | 第39-40页 |
| 4.5 算法的仿真实现 | 第40-41页 |
| 4.6 改进算法的性能评估 | 第41-43页 |
| 4.7 本章小结 | 第43-45页 |
| 5 关联规则的挖掘与分析 | 第45-59页 |
| 5.1 护理数据的统计分析 | 第46-48页 |
| 5.1.1 护理数据的分区域汇总分析 | 第46-47页 |
| 5.1.2 护理数据的疾病种类汇总分析 | 第47-48页 |
| 5.2 数据挖掘与规则分析 | 第48-57页 |
| 5.2.1 数据预处理 | 第48-51页 |
| 5.2.2 基于较高支持度的关联规则分析 | 第51-55页 |
| 5.2.3 基于较低支持度的关联规则分析 | 第55-57页 |
| 5.3 本章小结 | 第57-59页 |
| 6 总结及展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 个人简历 | 第67-69页 |
| 学术论文 | 第69页 |