| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 运动处方 | 第10-11页 |
| 1.2.2 数据挖掘 | 第11-12页 |
| 1.3 数据挖掘的基本概念与过程 | 第12-13页 |
| 1.4 数据挖掘的相关技术 | 第13-14页 |
| 1.5 论文研究内容和安排 | 第14-16页 |
| 第二章 运动处方与关联规则 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 传统运动处方生成体系和处方数据特性 | 第16-17页 |
| 2.2.1 传统运动处方生成体系 | 第16-17页 |
| 2.2.2 运动处方的数据特性 | 第17页 |
| 2.3 运动处方数据挖掘技术 | 第17-19页 |
| 2.3.1 数据挖掘技术优缺点对比 | 第17-19页 |
| 2.3.2 基于关联模型的运动处方生成 | 第19页 |
| 2.4 关联规则基本概念 | 第19-20页 |
| 2.5 关联模型的分类 | 第20-21页 |
| 2.6 经典关联规则Apriori算法 | 第21-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 改进的关联规则算法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 经典关联算法改进现状 | 第25-26页 |
| 3.3 Apriori算法问题分析 | 第26-27页 |
| 3.4 基于事务内序列的算法改进 | 第27-33页 |
| 3.4.1 事务内序列基本概念 | 第27-29页 |
| 3.4.2 基于事务内序列的TIS-Apriori算法 | 第29-31页 |
| 3.4.3 基于事务内序列算法的合理性分析 | 第31页 |
| 3.4.4 基于动态事务内序列的DTIS-Apriori算法 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于关联算法的运动处方应用研究 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 运动处方生成模型设计与构建 | 第34-36页 |
| 4.2.1 简单推理系统与风险评估模型 | 第34-35页 |
| 4.2.2 专家推理系统与关联模型 | 第35-36页 |
| 4.3 运动处方生成系统设计与实现 | 第36-40页 |
| 4.3.1 系统总体架构 | 第36-37页 |
| 4.3.2 体质检测 | 第37-39页 |
| 4.3.3 体质评估 | 第39页 |
| 4.3.4 运动风险评级与运动项目风险评估 | 第39-40页 |
| 4.4 基于关联模型的专家推理系统 | 第40-42页 |
| 4.4.1 关联模型的存储结构 | 第40-41页 |
| 4.4.2 支持度与可信度选取 | 第41页 |
| 4.4.3 关联规则理解与专家推理 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 实验与数据分析 | 第43-60页 |
| 5.1 引言 | 第43页 |
| 5.2 测试环境 | 第43-46页 |
| 5.2.1 算法实验环境和数据源 | 第43-44页 |
| 5.2.2 运动处方生成系统实验环境 | 第44-46页 |
| 5.3 算法性能测试 | 第46-53页 |
| 5.3.1 经典Apriori算法性能测试与分析 | 第46-47页 |
| 5.3.2 改进算法TIS-Apriori性能测试 | 第47-51页 |
| 5.3.3 改进算法DTIS-Apriori性能测试 | 第51-53页 |
| 5.3.4 算法相关结论 | 第53页 |
| 5.4 运动处方生成系统测试与评价 | 第53-59页 |
| 5.4.1 系统功能性测试 | 第53-55页 |
| 5.4.2 运动处方合理性测试 | 第55-59页 |
| 5.4.3 相关结论 | 第59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 攻读硕士学位期间的研究成果和参与项目情况 | 第64-65页 |
| 致谢 | 第65页 |
