| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 选题背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 关联规则挖掘算法 | 第14-24页 |
| 2.1 关联规则概述 | 第14-16页 |
| 2.1.1 基本概念 | 第14-15页 |
| 2.1.2 关联规则挖掘步骤 | 第15-16页 |
| 2.2 关联规则挖掘算法 | 第16-23页 |
| 2.2.1 Apriori算法 | 第16-19页 |
| 2.2.2 Apriori改进算法 | 第19-20页 |
| 2.2.3 基于频繁模式增长的算法 | 第20-22页 |
| 2.2.4 使用垂直数据格式的算法 | 第22-23页 |
| 2.2.5 其他关联规则挖掘算法及应用 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于最大频繁项集挖掘的(MFIP-Miner)算法 | 第24-32页 |
| 3.1 当前研究成果 | 第24-26页 |
| 3.2 MFIP-Miner算法 | 第26-28页 |
| 3.2.1 基本定义 | 第26页 |
| 3.2.2 基本性质 | 第26-27页 |
| 3.2.3 算法思想和描述 | 第27-28页 |
| 3.3 算法示例 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 实验设计及结果分析 | 第32-38页 |
| 4.1 实验设计 | 第32-33页 |
| 4.1.1 测试环境配置 | 第32页 |
| 4.1.2 测试数据库的选择 | 第32页 |
| 4.1.3 对比算法选择 | 第32-33页 |
| 4.2 结果分析 | 第33-37页 |
| 4.2.1 在Mushroom数据库上的测试分析 | 第33-34页 |
| 4.2.2 在T10l4D100K数据库上的测试分析 | 第34-35页 |
| 4.2.3 在Accidents数据库上的测试分析 | 第35-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 基于MFIP-Miner的天气敏感性疾病预报系统设计及实现 | 第38-48页 |
| 5.1 需求分析 | 第38-39页 |
| 5.1.1 功能性需求 | 第38-39页 |
| 5.1.2 非功能性需求 | 第39页 |
| 5.2 系统总体架构设计 | 第39-42页 |
| 5.2.1 注册登录功能模块 | 第40-41页 |
| 5.2.2 相关疾病的定制服务模块 | 第41页 |
| 5.2.3 天气敏感性疾病预报模块 | 第41-42页 |
| 5.3 数据库设计 | 第42-43页 |
| 5.4 系统实现 | 第43-47页 |
| 5.4.1 开发环境 | 第43-44页 |
| 5.4.2 数据来源 | 第44页 |
| 5.4.3 模型公式 | 第44页 |
| 5.4.4 具体功能 | 第44-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 总结和展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 附录 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士期间取得的研究成果 | 第63页 |
