| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 中医数据仓库研究现状 | 第16-17页 |
| 1.2.2 中医方剂配伍研究现状 | 第17-21页 |
| 1.3 本文的主要工作 | 第21-22页 |
| 1.4 本文的结构安排 | 第22-23页 |
| 第二章 相关原理与技术 | 第23-32页 |
| 2.1 中医诊疗相关原理 | 第23-25页 |
| 2.1.1 中医诊疗流程 | 第23-24页 |
| 2.1.2 中医方剂配伍理论 | 第24-25页 |
| 2.2 数据仓库相关原理 | 第25-28页 |
| 2.2.1 数据仓库的体系架构 | 第25-26页 |
| 2.2.2 数据仓库建模方法与数据模型 | 第26-27页 |
| 2.2.3 ETL技术 | 第27页 |
| 2.2.4 联机分析处理 | 第27-28页 |
| 2.3 数据挖掘方法 | 第28-31页 |
| 2.3.1 朴素贝叶斯分类 | 第28-29页 |
| 2.3.2 SimRank | 第29页 |
| 2.3.3 多层感知机 | 第29-30页 |
| 2.3.4 Apriori算法 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 中医方剂配伍识别 | 第32-52页 |
| 3.1 基于改进的朴素贝叶斯分类的方剂君臣佐使识别 | 第32-39页 |
| 3.1.1 方剂君臣佐使数据集 | 第32页 |
| 3.1.2 基于改进的朴素贝叶斯分类的方剂君臣佐使识别实现 | 第32-36页 |
| 3.1.3 实验结果 | 第36-39页 |
| 3.2 基于改进的Apriori算法的方剂性味归经识别 | 第39-45页 |
| 3.2.1 方剂性味归经数据集 | 第39-40页 |
| 3.2.2 基于改进的Apriori算法的方剂性味归经识别实现 | 第40-43页 |
| 3.2.3 实验结果 | 第43-45页 |
| 3.3 基于多层感知机的方剂七情配伍识别 | 第45-50页 |
| 3.3.1 方剂七情配伍数据集 | 第45-46页 |
| 3.3.2 基于多层感知机的方剂七情配伍识别实现 | 第46-49页 |
| 3.3.3 实验结果 | 第49-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 医案方剂数据仓库系统需求分析 | 第52-59页 |
| 4.1 系统目标与数据源描述 | 第52页 |
| 4.2 功能性需求 | 第52-58页 |
| 4.2.1 系统总体功能 | 第52-54页 |
| 4.2.2 系统用例描述 | 第54-58页 |
| 4.3 性能需求 | 第58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 医案方剂数据仓库系统设计 | 第59-79页 |
| 5.1 数据仓库架构设计 | 第59-60页 |
| 5.2 源数据库设计 | 第60-63页 |
| 5.3 维度建模设计 | 第63-65页 |
| 5.3.1 确定分析主题 | 第63-64页 |
| 5.3.2 建立总线结构数据仓库 | 第64-65页 |
| 5.4 ETL设计 | 第65-69页 |
| 5.5 OLAP设计 | 第69-71页 |
| 5.6 数据挖掘分析 | 第71-78页 |
| 5.7 本章小结 | 第78-79页 |
| 第六章 医案方剂数据仓库系统原型实现 | 第79-86页 |
| 6.1 主题报表实现 | 第79-83页 |
| 6.2 数据挖掘结果 | 第83-85页 |
| 6.3 本章小结 | 第85-86页 |
| 第七章 总结与展望 | 第86-88页 |
| 7.1 本文工作总结 | 第86-87页 |
| 7.2 后续工作展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 攻读硕士研究生期间参研项目与研究成果 | 第93页 |
