Apriori算法在慢病预测中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 论文主要内容与结构 | 第15-18页 |
| 1.3.1 论文主要内容 | 第15页 |
| 1.3.2 论文结构 | 第15-18页 |
| 第2章 相关理论技术 | 第18-28页 |
| 2.1 数据挖掘理论 | 第18-21页 |
| 2.1.1 数据挖掘相关综述 | 第18页 |
| 2.1.2 数据挖掘两类任务 | 第18-19页 |
| 2.1.3 数据挖掘一般过程 | 第19-21页 |
| 2.2 数据挖掘方法 | 第21-23页 |
| 2.2.1 聚类分析 | 第21-22页 |
| 2.2.2 分类 | 第22页 |
| 2.2.3 离群点分析 | 第22-23页 |
| 2.3 疾病预测算法 | 第23-27页 |
| 2.3.1 朴素贝叶斯算法 | 第23-24页 |
| 2.3.2 决策树算法 | 第24-26页 |
| 2.3.3 BP神经网络 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 Apriori关联规则算法的研究 | 第28-38页 |
| 3.1 关联规则相关理论 | 第28-32页 |
| 3.1.1 关联规则的提出 | 第28页 |
| 3.1.2 关联规则基本概念 | 第28-32页 |
| 3.2 Apriori算法研究 | 第32-34页 |
| 3.2.1 Apriori算法思路与步骤 | 第32-33页 |
| 3.2.2 Apriori算法执行过程实例 | 第33-34页 |
| 3.3 Apriori算法性能分析 | 第34-35页 |
| 3.4 Apriori算法常见优化方式 | 第35-36页 |
| 3.5 针对Apriori算法应用的改进思路 | 第36页 |
| 3.6 本章小结 | 第36-38页 |
| 第4章 Apriori算法的改进优化 | 第38-54页 |
| 4.1 基于垂直数据格式的Apriori算法 | 第38-40页 |
| 4.1.1 垂直数据格式算法原理 | 第38页 |
| 4.1.2 算法流程及实例说明 | 第38-40页 |
| 4.1.3 算法的效率思考 | 第40页 |
| 4.2 基于指针数组和差集优化的DSE算法 | 第40-45页 |
| 4.2.1 差集概念的提出 | 第40页 |
| 4.2.2 差集相关性质和推论 | 第40-41页 |
| 4.2.3 优化算法流程与实例描述 | 第41-45页 |
| 4.3 基于Hash表的HE算法 | 第45-49页 |
| 4.3.1 Hash表的概念性质 | 第45-47页 |
| 4.3.2 HE算法的原理过程及实例描述 | 第47-49页 |
| 4.4 实验对比与分析 | 第49-53页 |
| 4.4.1 对比试验设计 | 第49-50页 |
| 4.4.2 实验结果对比分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 改进算法的具体应用 | 第54-64页 |
| 5.1 实验内容与思路 | 第54-55页 |
| 5.2 慢性肾病数据的预处理 | 第55-60页 |
| 5.2.1 数据表分析 | 第55-56页 |
| 5.2.2 肾病体检数据处理 | 第56-57页 |
| 5.2.3 数据离散化 | 第57-58页 |
| 5.2.4 事务数据库生成 | 第58-60页 |
| 5.3 改进算法在慢性肾病预测中的应用 | 第60-62页 |
| 5.3.1 阈值设定和筛选约束 | 第60页 |
| 5.3.2 关联规则的获取与分析 | 第60-62页 |
| 5.4 多项Logistic回归分析验证 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间的研究成果 | 第70-72页 |
| 致谢 | 第72页 |
