| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11页 |
| 1.3 数据挖掘在藏医诊疗中的应用现状 | 第11-12页 |
| 1.4 主要研究内容 | 第12-13页 |
| 1.5 论文具体研究方案及结构安排 | 第13-16页 |
| 1.5.1 研究方案 | 第13-14页 |
| 1.5.2 本文结构安排 | 第14-16页 |
| 第2章 医疗数据挖掘概述 | 第16-26页 |
| 2.1 数据挖掘概述 | 第16-17页 |
| 2.1.1 数据挖掘产生 | 第16页 |
| 2.1.2 数据挖掘概念 | 第16-17页 |
| 2.1.3 数据挖掘任务 | 第17页 |
| 2.2 医疗数据挖掘发展方向 | 第17页 |
| 2.3 医疗数据挖掘过程 | 第17-18页 |
| 2.4 医疗数据挖掘常用算法 | 第18-21页 |
| 2.4.1 关联规则 | 第18-19页 |
| 2.4.2 聚类 | 第19-20页 |
| 2.4.3 分类 | 第20-21页 |
| 2.4.3.1 贝叶斯 | 第20-21页 |
| 2.4.3.2 随机森林 | 第21页 |
| 2.4.3.3 神经网络 | 第21页 |
| 2.4.3.4 逻辑回归 | 第21页 |
| 2.5 数据预处理 | 第21-25页 |
| 2.5.1 数据选择 | 第22页 |
| 2.5.2 数据清洗 | 第22页 |
| 2.5.3 数据提取 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 聚类在高原常见病藏医证型中的应用研究 | 第26-37页 |
| 3.1 聚类在中医分型中的应用 | 第26-27页 |
| 3.2 聚类在高原常见病藏医分型研究框架 | 第27-28页 |
| 3.3 两步算法及K-means算法在高原常见病藏医分型的实现 | 第28-32页 |
| 3.3.1 两步算法在高原常见病藏医分型的实验 | 第28页 |
| 3.3.2 K-means算法在高原常见病藏医分型的实验 | 第28-30页 |
| 3.3.3 结果验证 | 第30-32页 |
| 3.4 Gower+改进K-modes方法的提出及实现 | 第32-36页 |
| 3.4.1 Gower距离与改进K-modes算法 | 第33-34页 |
| 3.4.2 实验结果 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 关联规则在高原常见病中的应用研究 | 第37-49页 |
| 4.1 经典Apriori算法在高原常见病中的应用 | 第37-43页 |
| 4.1.1 Apriori算法 | 第37-40页 |
| 4.1.2 Apriori算法流程 | 第40-42页 |
| 4.1.3 Apriori算法的缺点 | 第42页 |
| 4.1.4 Apriori算法在高原常见病诊疗数据中的实验 | 第42-43页 |
| 4.2 改进Apriori算法及在高原常见病中的应用 | 第43-46页 |
| 4.2.1 基于约束的关联规则挖掘 | 第43-44页 |
| 4.2.2 改进 Apriori 算法基本思想 | 第44-45页 |
| 4.2.3 改进Apriori算法流程图 | 第45-46页 |
| 4.2.4 改进Apriori算法在高原常见病诊疗数据中的实验 | 第46页 |
| 4.3 Apriori算法与改进Apriori算法对比 | 第46-48页 |
| 4.3.1 运行时间对比 | 第46-47页 |
| 4.3.2 生成规则对比 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 分类在高原常见病预测模型建立中的应用研究 | 第49-59页 |
| 5.1 特征选择 | 第49-52页 |
| 5.2 高原常见病藏医预测模型的实现 | 第52-53页 |
| 5.3 分类器评价指标 | 第53-54页 |
| 5.4 实验及结果 | 第54-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者简历 | 第66页 |
