| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-18页 |
| 第二章 相关理论及技术 | 第18-36页 |
| 2.1 网络爬虫 | 第18-24页 |
| 2.1.1 网络爬虫的工作原理 | 第18页 |
| 2.1.2 网络爬虫的策略 | 第18-20页 |
| 2.1.3 Scrapy框架 | 第20-22页 |
| 2.1.4 利用Scrapy采集实验数据 | 第22-24页 |
| 2.2 中文分词 | 第24-28页 |
| 2.2.1 Jieba分词功能及算法 | 第25页 |
| 2.2.2 利用Jieba对实验数据分词 | 第25-28页 |
| 2.3 关联规则 | 第28-36页 |
| 2.3.1 关联规则理论 | 第28-31页 |
| 2.3.2 关联规则在数据流中的挖掘 | 第31-32页 |
| 2.3.3 关联规则在图模式中的挖掘 | 第32-33页 |
| 2.3.4 关联规则在序列模式中的挖掘 | 第33-36页 |
| 第三章 本文采用的算法及改进 | 第36-48页 |
| 3.1 Apriori算法相关研究 | 第36-37页 |
| 3.2 基于加权矩阵的关联规则算法 | 第37-42页 |
| 3.2.1 Apriori算法改进的思想 | 第37-39页 |
| 3.2.2 改进算法的实现 | 第39-42页 |
| 3.3 实验及算法性能分析 | 第42-48页 |
| 3.3.1 实验平台与数据集 | 第42-43页 |
| 3.3.2 运行时间比较分析 | 第43-45页 |
| 3.3.3 内存使用比较分析 | 第45-48页 |
| 第四章 算法在糖尿病数据中的关联规则挖掘 | 第48-56页 |
| 4.1 糖尿病医案数据处理 | 第48-51页 |
| 4.2 频数分布情况 | 第51-53页 |
| 4.2.1 用药频数分布情况 | 第51-52页 |
| 4.2.2 辩证类型频数分布情况 | 第52-53页 |
| 4.3 关联规则挖掘结果 | 第53-56页 |
| 4.3.1 药物间的关联规则 | 第53-54页 |
| 4.3.2 辩证与药物间的关联规则 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录A 作者在攻读硕士期间学术成果 | 第66-68页 |
| 附录B 作者在攻读硕士期间参与的学术竞赛与科研项目 | 第68页 |