| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 数据挖掘技术研究概述 | 第10-11页 |
| 1.2.2 数据挖掘技术在医疗领域的应用研究 | 第11-13页 |
| 1.2.3 医疗影像检查量预测研究 | 第13-15页 |
| 1.3 本文的主要研究工作 | 第15-16页 |
| 1.4 论文框架结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 数据挖掘概述和数据准备 | 第18-25页 |
| 2.1 数据挖掘的定义 | 第18-19页 |
| 2.2 数据挖掘完成的任务 | 第19-20页 |
| 2.2.1 分类（Classification） | 第19页 |
| 2.2.2 评估（Estimation） | 第19页 |
| 2.2.3 预测（Prediction） | 第19-20页 |
| 2.2.4 关联分组（Affinity grouping） | 第20页 |
| 2.2.5 聚类分组（Clustering） | 第20页 |
| 2.3 数据挖掘的过程 | 第20-21页 |
| 2.4 医疗影像检查量预测的数据准备 | 第21-24页 |
| 2.4.1 医疗影像检查量预测问题 | 第21-22页 |
| 2.4.2 影像检查量数据准备 | 第22-24页 |
| 2.5 本章总结 | 第24-25页 |
| 第3章 基于优化 GM（1,1）模型的医疗影像检查量预测 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 GM（1,1）模型 | 第25-27页 |
| 3.3 影像检查量 GM（1,1）预测模型优化 | 第27-29页 |
| 3.4 实例分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 关联规则在探索影响影像检查量因素中的应用 | 第32-39页 |
| 4.1 引言 | 第32页 |
| 4.2 关联规则概述 | 第32-33页 |
| 4.3 关联规则 APRIORI算法 | 第33-34页 |
| 4.4 关联规则实例应用 | 第34-37页 |
| 4.4.1 数据预处理 | 第35页 |
| 4.4.2 关联规则挖掘结果和分析 | 第35-37页 |
| 4.5 本章小结 | 第37-39页 |
| 第5章 基于灰色向量机 GSVR 的影像检查量多因素预测 | 第39-47页 |
| 5.1 引言 | 第39页 |
| 5.2 SVR 模型基本思想 | 第39-42页 |
| 5.3 影像检查量 GSVR 预测模型 | 第42-44页 |
| 5.4 影像检查量预测实例分析 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 附录 | 第55页 |
