| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 论文研究背景 | 第9-11页 |
| 1.2 数据挖掘概述 | 第11-14页 |
| 1.2.1 数据挖掘简介 | 第11页 |
| 1.2.2 数据挖掘工具 | 第11-12页 |
| 1.2.3 医疗数据挖掘的特点和现状 | 第12-14页 |
| 1.2.4 数据挖掘算法的优化方向 | 第14页 |
| 1.3 Hadoop分布式平台介绍 | 第14-18页 |
| 1.3.1 Hadoop 概述 | 第14-15页 |
| 1.3.2 Hadoop结构模型及角色 | 第15-16页 |
| 1.3.3 MapReduce并行编程模型 | 第16-18页 |
| 1.4 论文研究内容与创新点 | 第18-19页 |
| 1.5 论文组织结构 | 第19-21页 |
| 第二章 慢病数据挖掘方案的设计 | 第21-34页 |
| 2.1 高血压概述 | 第21-24页 |
| 2.1.1 高血压现状 | 第21页 |
| 2.1.2 血压水平分级 | 第21-22页 |
| 2.1.3 心血管风险水平分层 | 第22-23页 |
| 2.1.4 高血压的临床分级管理 | 第23-24页 |
| 2.2 2型糖尿病概述 | 第24-26页 |
| 2.2.1 糖尿病现状 | 第24页 |
| 2.2.2 2型糖尿病的综合控制目标 | 第24-25页 |
| 2.2.3 2型糖尿病标准治疗中的筛查和临床决策 | 第25-26页 |
| 2.3 慢病分类决策方案研究 | 第26-28页 |
| 2.3.1 高血压心血管风险水平分层数据挖掘方案及参数设计 | 第26-27页 |
| 2.3.2 2型糖尿病控制状态及临床分类决策数据挖掘方案及参数设计 | 第27-28页 |
| 2.4 适用于慢病分类决策的基础算法选择 | 第28-32页 |
| 2.4.1 分类算法简介 | 第28-31页 |
| 2.4.2 慢病数据挖掘前期实验 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 慢病分类决策算法的研究 | 第34-45页 |
| 3.1 C4.5决策树算法简介 | 第34-36页 |
| 3.1.1 C4.5算法原理 | 第34-36页 |
| 3.1.2 C4.5算法缺点 | 第36页 |
| 3.2 C4.5决策树算法的改进 | 第36-39页 |
| 3.2.1 Bagging算法简介 | 第36-37页 |
| 3.2.2 融合Bagging的C4.5决策树算法BCTree的设计 | 第37-38页 |
| 3.2.3 BCTree的关键代码实现 | 第38-39页 |
| 3.3 C4.5决策树算法的并行化改造 | 第39-44页 |
| 3.3.1 C4.5决策树算法的并行化分析 | 第39页 |
| 3.3.2 基于MapReduce的C4.5算法MRC4.5设计 | 第39-42页 |
| 3.3.3 MRC4.5的关键代码实现 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 慢病数据挖掘实验与评估 | 第45-56页 |
| 4.1 实验环境搭建 | 第45-49页 |
| 4.1.1 硬件环境 | 第45页 |
| 4.1.2 软件环境 | 第45-48页 |
| 4.1.3 算法准备 | 第48-49页 |
| 4.2 实验过程 | 第49-55页 |
| 4.2.1 数据准备 | 第49页 |
| 4.2.2 数据预处理 | 第49-50页 |
| 4.2.3 模型训练 | 第50-51页 |
| 4.2.4 模型评估 | 第51-54页 |
| 4.2.5 模型解释 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 海量慢病数据挖掘系统的设计与实现 | 第56-62页 |
| 5.1 系统架构 | 第56页 |
| 5.2 客户端软件 | 第56-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文工作总结 | 第62页 |
| 6.2 下一步研究工作 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 作者攻读学位期间发表的学术论文目录 | 第68页 |
