| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文的研究内容及组织结构 | 第11-12页 |
| ·本文的主要工作 | 第11页 |
| ·本文的内容组织 | 第11-12页 |
| 2 数据挖掘与关联规则概述 | 第12-20页 |
| ·数据挖掘概述 | 第12-15页 |
| ·数据挖掘的概念 | 第12页 |
| ·数据挖掘的任务 | 第12页 |
| ·数据挖掘的过程 | 第12-14页 |
| ·数据挖掘的对象 | 第14-15页 |
| ·数据挖掘的特点 | 第15页 |
| ·关联规则概述 | 第15-19页 |
| ·关联规则挖掘的概念 | 第15-17页 |
| ·关联规则挖掘的过程 | 第17页 |
| ·关联规则挖掘的分类 | 第17-18页 |
| ·关联规则挖掘的评价方法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 关联规则算法的分析研究 | 第20-30页 |
| ·关联规则的Apriori算法 | 第20-24页 |
| ·Apriori算法思想 | 第20页 |
| ·Apriori算法步骤 | 第20-21页 |
| ·Apriori算法描述 | 第21页 |
| ·Apriori算法示例 | 第21-24页 |
| ·Apriori算法的性能瓶颈 | 第24页 |
| ·关联规则的FP-Growth算法 | 第24-25页 |
| ·FP-Growth算法思想 | 第24页 |
| ·FP-Growth算法步骤 | 第24-25页 |
| ·FP-Growth算法小结 | 第25页 |
| ·Apriori算法与FP-Growth算法的比较 | 第25-26页 |
| ·Apriori算法与FP-Growth算法的相同点 | 第25页 |
| ·Apriori算法与FP-Growth算法的区别 | 第25-26页 |
| ·Apriori算法与FP-Growth算法的性能比较 | 第26页 |
| ·关联规则的改进算法研究 | 第26-29页 |
| ·基于数据分割(Partition)的方法 | 第27-28页 |
| ·基于散列(Hash)的方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 智能药房系统设计 | 第30-46页 |
| ·中医药关联规则挖掘研究 | 第30-34页 |
| ·中医药数据的特点 | 第30页 |
| ·小包装中药饮片简介 | 第30-32页 |
| ·小包装中药饮片的规格设定及调剂原则 | 第32-33页 |
| ·中医药关联规则挖掘的过程 | 第33-34页 |
| ·智能药房系统的优越性 | 第34-35页 |
| ·智能药房系统总体设计 | 第35-37页 |
| ·智能药房的机械结构设计 | 第35-36页 |
| ·智能药房的上下位机总体结构设计 | 第36-37页 |
| ·智能药房上位机系统 | 第37-44页 |
| ·上位机控制系统各电脑的功能 | 第38-39页 |
| ·上位机主控系统的功能模块 | 第39-42页 |
| ·上位机主控系统的处理流程 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 5 关联规则算法在智能药房系统中的应用 | 第46-64页 |
| ·关联规则挖掘前的准备与数据预处理 | 第46-49页 |
| ·确定需要配仓的药品规格 | 第47-48页 |
| ·数据集的规范化处理 | 第48-49页 |
| ·频繁项集挖掘算法的实现 | 第49-58页 |
| ·算法的数据定义 | 第49-51页 |
| ·算法的基本思想 | 第51-52页 |
| ·算法的具体实现 | 第52-56页 |
| ·算法的挖掘结果 | 第56-58页 |
| ·仓位配置的实现 | 第58-61页 |
| ·数据定义 | 第58-59页 |
| ·基本思想 | 第59页 |
| ·具体实现 | 第59-61页 |
| ·关联规则挖掘配仓的效果比较 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-71页 |
