| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究工作的背景与意义 | 第13页 |
| 1.2 国内外研究历史与现状 | 第13-20页 |
| 1.2.1 症状-证候关联 | 第15页 |
| 1.2.2 证候-药物关联 | 第15-16页 |
| 1.2.3 药性-药理作用关联 | 第16-18页 |
| 1.2.4 中医数据挖掘系统 | 第18-20页 |
| 1.3 本文的主要工作 | 第20-21页 |
| 1.4 论文的结构安排 | 第21-22页 |
| 第二章 面向中医的关联规则相关原理 | 第22-39页 |
| 2.1 中医诊疗基本概念 | 第22-23页 |
| 2.2 中医的主要属性与关联规则 | 第23-38页 |
| 2.2.1 关联规则定义 | 第25-27页 |
| 2.2.2 基于Apriori关联规则挖掘算法 | 第27-31页 |
| 2.2.3 基于FP-Growth的关联规则挖掘算法 | 第31-32页 |
| 2.2.4 基于Eclat的关联规则挖掘算法 | 第32-33页 |
| 2.2.5 闭频繁项集 | 第33-34页 |
| 2.2.6 闭频繁项集挖掘算法 | 第34-37页 |
| 2.2.7 相关性评价指标 | 第37-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第三章 症状-证候的关联规则挖掘 | 第39-57页 |
| 3.1 频繁项集挖掘 | 第39-50页 |
| 3.1.1 频繁项集定义 | 第39-40页 |
| 3.1.2 频繁项集挖掘改进算法步骤 | 第40-43页 |
| 3.1.3 频繁项集挖掘实例分析 | 第43-50页 |
| 3.2 关联规则生成 | 第50-53页 |
| 3.2.1 关联规则生成算法步骤 | 第50-51页 |
| 3.2.2 关联规则结果实例分析 | 第51-53页 |
| 3.3 症状-证候规则实验结果 | 第53-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 证候-药物的关联规则挖掘 | 第57-63页 |
| 4.1 频繁项集挖掘与规则生成 | 第57-58页 |
| 4.2 证候-药物规则评价 | 第58-61页 |
| 4.2.1 有限集超团模式评价 | 第58-60页 |
| 4.2.2 关联程度评价 | 第60-61页 |
| 4.3 证候-药物规则实验结果 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 症状-证候-药物关联规则的辅助决策应用 | 第63-77页 |
| 5.1 基于症状的协同过滤推荐 | 第63-68页 |
| 5.1.1 症状数据预处理 | 第64-66页 |
| 5.1.2 协同过滤推荐算法流程 | 第66-67页 |
| 5.1.3 症状推荐结果 | 第67-68页 |
| 5.2 加权投票规则匹配 | 第68-70页 |
| 5.2.1 加权投票算法流程 | 第68-69页 |
| 5.2.2 规则匹配结果 | 第69-70页 |
| 5.3 辅助决策功能实现 | 第70-76页 |
| 5.3.1 辅助决策功能设计 | 第71-72页 |
| 5.3.2 实施方案 | 第72-73页 |
| 5.3.3 实现结果展示 | 第73-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 结束语 | 第77-79页 |
| 6.1 论文工作总结 | 第77-78页 |
| 6.2 后续工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |