| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 数据挖掘概述 | 第11-13页 |
| 1.1.1 数据挖掘的概念 | 第11页 |
| 1.1.2 数据挖掘的产生背景 | 第11-12页 |
| 1.1.3 数据挖掘的应用价值 | 第12-13页 |
| 1.1.4 数据挖掘的发展前景 | 第13页 |
| 1.2 数据挖掘在中医方药领域的应用 | 第13-14页 |
| 1.2.1 中医方药数据挖掘的研究现状 | 第13-14页 |
| 1.2.2 中医方药数据挖掘的研究内容 | 第14页 |
| 1.3 论文研究内容及意义 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究意义 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 数据挖掘主要方法研究 | 第17-31页 |
| 2.1 数据挖掘方法研究 | 第17页 |
| 2.2 聚类分析方法研究 | 第17-19页 |
| 2.2.1 聚类分析 | 第17页 |
| 2.2.2 常用的聚类分析算法 | 第17-18页 |
| 2.2.3 k-means算法 | 第18页 |
| 2.2.4 k-means算法的关键问题 | 第18-19页 |
| 2.2.5 聚类分析的作用及其典型应用 | 第19页 |
| 2.3 关联规则方法研究 | 第19-24页 |
| 2.3.1 关联规则 | 第19-20页 |
| 2.3.2 常用的关联规则方法 | 第20-21页 |
| 2.3.3 Apriori算法 | 第21-23页 |
| 2.3.4 关联规则的作用及其典型应用 | 第23-24页 |
| 2.4 人工神经网络方法研究 | 第24-29页 |
| 2.4.1 人工神经网络 | 第24-25页 |
| 2.4.2 常用的人工神经网络模型 | 第25-26页 |
| 2.4.3 BP神经网络算法 | 第26-29页 |
| 2.4.4 人工神经网络的作用及其典型应用 | 第29页 |
| 2.5 其他数据挖掘算法 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 中医方药数据分析与挖掘 | 第31-45页 |
| 3.1 数据挖掘的一般过程 | 第31-32页 |
| 3.2 辛温解表剂数据处理 | 第32-34页 |
| 3.2.1 方剂药名处理 | 第32页 |
| 3.2.2 病症数据处理 | 第32页 |
| 3.2.3 剂量单位处理 | 第32-33页 |
| 3.2.4 辛温解表剂数据处理结果 | 第33-34页 |
| 3.2.5 小结 | 第34页 |
| 3.3 辛温解表剂数据分析 | 第34-37页 |
| 3.3.1 高频单味药分析 | 第34页 |
| 3.3.2 高频单一病症分析 | 第34-35页 |
| 3.3.3 基于k-means算法的离群点分析 | 第35-37页 |
| 3.3.4 小结 | 第37页 |
| 3.4 中医方药数据挖掘 | 第37-43页 |
| 3.4.1 基于Apriori算法的辛温解表剂数据关联规则挖掘 | 第37-41页 |
| 3.4.2 基于BP算法的辛温解表剂药症关系预测 | 第41-43页 |
| 3.4.3 小结 | 第43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 中医方药数据挖掘平台建设 | 第45-47页 |
| 4.1 平台开发目标 | 第45页 |
| 4.2 平台开发环境 | 第45-46页 |
| 4.3 平台功能 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 小结与进一步工作 | 第47-49页 |
| 5.1 论文完成的主要工作 | 第47页 |
| 5.2 进一步工作 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 附:攻读硕士学位期间取得的学术成果 | 第54页 |