一种基于密度的医疗处方用药异常检测方法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题背景 | 第7-8页 |
| 1.2 相关研究概述 | 第8-9页 |
| 1.3 本文的工作 | 第9页 |
| 1.4 文章组织结构 | 第9-11页 |
| 第二章 数据挖掘相关技术 | 第11-23页 |
| 2.1 数据挖掘 | 第11-17页 |
| 2.1.1 数据挖掘的定义 | 第11-12页 |
| 2.1.2 数据挖掘的功能 | 第12-14页 |
| 2.1.3 数据挖掘的过程 | 第14-16页 |
| 2.1.4 数据挖掘的应用与发展 | 第16-17页 |
| 2.2 数据预处理 | 第17-21页 |
| 2.2.1 数据清理 | 第18-19页 |
| 2.2.2 数据集成 | 第19-20页 |
| 2.2.3 数据变换 | 第20页 |
| 2.2.4 数据规约 | 第20-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 异常点检测技术 | 第23-33页 |
| 3.1 异常点 | 第23-27页 |
| 3.1.1 异常点的定义 | 第23-24页 |
| 3.1.2 异常点的成因 | 第24页 |
| 3.1.3 异常点的分类 | 第24-25页 |
| 3.1.4 异常点检测的原因 | 第25页 |
| 3.1.5 局部异常点 | 第25-27页 |
| 3.2 异常数据挖掘方法 | 第27-31页 |
| 3.2.1 基于统计的方法 | 第27-28页 |
| 3.2.2 基于邻近度的方法 | 第28页 |
| 3.2.3 基于密度的方法(LOF算法) | 第28-29页 |
| 3.2.4 基于聚类的方法 | 第29-31页 |
| 3.2.5 基于偏差的方法 | 第31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 基于密度的异常点检测算法改进 | 第33-45页 |
| 4.1 邻域查询优化 | 第33-34页 |
| 4.2 聚类剪枝算法 | 第34-37页 |
| 4.3 改进的算法 | 第37-38页 |
| 4.4 算法分析 | 第38-40页 |
| 4.4.1 时间复杂度分析 | 第39页 |
| 4.4.2 参数影响分析 | 第39-40页 |
| 4.5 KDD'99数据集测试 | 第40-44页 |
| 4.5.1 数据预处理 | 第40-41页 |
| 4.5.2 实验结果及分析 | 第41-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 处方异常检测 | 第45-53页 |
| 5.1 处方数据概况 | 第45-46页 |
| 5.2 数据预处理 | 第46-48页 |
| 5.2.1 数据规整 | 第46-47页 |
| 5.2.2 数据降维 | 第47-48页 |
| 5.3 处方距离的定义 | 第48-49页 |
| 5.3.1 权值定义 | 第48页 |
| 5.3.2 处方间距离的定义 | 第48-49页 |
| 5.4 实验结果及说明 | 第49-51页 |
| 5.4.1 实验数据集介绍 | 第49页 |
| 5.4.2 实验环境 | 第49页 |
| 5.4.3 实验结果 | 第49-51页 |
| 5.5 总结 | 第51-53页 |
| 第六章 总结和展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
