关联分类算法研究及其在海量慢病医疗数据挖掘中的应用
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-17页 |
1.1 论文研究背景 | 第9页 |
1.2 数据挖掘技术及工具 | 第9-11页 |
1.3 医疗数据挖掘的特点 | 第11-12页 |
1.4 与本课题相关的国内外研究进展 | 第12-14页 |
1.4.1 关联分类技术的研究进展 | 第12-13页 |
1.4.2 慢病数据挖掘的应用现状 | 第13-14页 |
1.5 论文主要工作与创新点 | 第14-15页 |
1.6 论文组织结构 | 第15-17页 |
第二章 关联分类算法研究综述 | 第17-27页 |
2.1 关联分类基础介绍 | 第17-19页 |
2.1.1 关联分类的基本概念 | 第17-18页 |
2.1.2 关联分类的相关定义 | 第18-19页 |
2.2 关联分类算法研究 | 第19-24页 |
2.2.1 分类关联规则生成 | 第19-22页 |
2.2.2 分类关联规则修剪 | 第22-23页 |
2.2.3 分类器预测 | 第23-24页 |
2.3 关联分类算法的优缺点 | 第24-25页 |
2.4 关联分类算法的研究重点 | 第25-26页 |
2.5 本章小结 | 第26-27页 |
第三章 模糊加权关联分类算法 | 第27-43页 |
3.1 连续属性模糊离散化 | 第27-30页 |
3.1.1 模糊离散化 | 第27-29页 |
3.1.2 模糊关联规则 | 第29-30页 |
3.2 特征选择和权重计算 | 第30-32页 |
3.3 生成模糊加权关联规则 | 第32-33页 |
3.4 构建模糊加权关联分类器 | 第33-35页 |
3.4.1 规则排序 | 第34页 |
3.4.2 规则修剪 | 第34-35页 |
3.5 实验过程与结果分析 | 第35-42页 |
3.5.1 数据准备 | 第35-36页 |
3.5.2 数据预处理 | 第36页 |
3.5.3 模型训练 | 第36页 |
3.5.4 模型评估 | 第36-42页 |
3.6 本章小结 | 第42-43页 |
第四章 关联分类在海量慢病数据挖掘中的应用 | 第43-59页 |
4.1 海量慢病数据挖掘方案设计 | 第43-45页 |
4.1.1 心血管疾病概述 | 第43页 |
4.1.2 CVDs风险因素筛查 | 第43-44页 |
4.1.3 CVDs慢病挖掘方案设计 | 第44-45页 |
4.2 基于Hadoop的并行关联分类算法设计 | 第45-53页 |
4.2.1 Hadoop并行计算模型 | 第45-47页 |
4.2.2 关联分类算法并行化设计与实现 | 第47-53页 |
4.3 海量慢病数据挖掘应用 | 第53-58页 |
4.3.1 Hadoop环境部署 | 第53-54页 |
4.3.2 慢病数据准备与预处理 | 第54页 |
4.3.3 模型训练与评估 | 第54-57页 |
4.3.4 模型输出与解释 | 第57-58页 |
4.4 本章小结 | 第58-59页 |
第五章 总结与展望 | 第59-61页 |
5.1 本文工作总结 | 第59页 |
5.2 下一步研究计划 | 第59-61页 |
参考文献 | 第61-65页 |
附录 缩略词表 | 第65-67页 |
致谢 | 第67-68页 |
攻读学位期间发表的学术论文目录 | 第68页 |