决策树和关联规则在药品销售分析中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景与来源 | 第11页 |
| 1.2 课题研究的目的与意义 | 第11-12页 |
| 1.3 研究目标与研究内容 | 第12页 |
| 1.4 研究的技术路线与方法 | 第12-14页 |
| 1.5 本文的结构安排 | 第14-17页 |
| 第2章 数据挖掘技术概述 | 第17-25页 |
| 2.1 数据挖掘的背景及概念 | 第17-18页 |
| 2.2 数据挖掘的任务 | 第18-19页 |
| 2.3 数据挖掘的方法 | 第19-21页 |
| 2.4 数据挖掘的应用 | 第21-22页 |
| 2.5 数据挖掘的工具 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 决策树在药品销售分析中的应用 | 第25-43页 |
| 3.1 决策树概述 | 第25-27页 |
| 3.1.1 决策树简介 | 第25页 |
| 3.1.2 决策树算法 | 第25-26页 |
| 3.1.3 决策树应用 | 第26-27页 |
| 3.2 药品销售数据分析的决策树模型 | 第27-31页 |
| 3.2.1 药品销售数据分类的问题描述 | 第27页 |
| 3.2.2 药品销售数据分类的决策树模型 | 第27-29页 |
| 3.2.3 决策树算法选择 | 第29-30页 |
| 3.2.4 药品销售数据预处理 | 第30-31页 |
| 3.3 ID3算法及其改进 | 第31-36页 |
| 3.3.1 ID3算法思想 | 第31-32页 |
| 3.3.2 ID3算法描述 | 第32-33页 |
| 3.3.3 ID3算法的改进 | 第33-34页 |
| 3.3.4 改进算法实验分析 | 第34-36页 |
| 3.4 改进的ID3算法在销售分析中的应用 | 第36-41页 |
| 3.4.1 顾客消费情况分析 | 第36-39页 |
| 3.4.2 会员消费频次分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 关联规则在药品销售分析中的应用 | 第43-59页 |
| 4.1 关联规则概述 | 第43-46页 |
| 4.1.1 关联规则简介 | 第43-45页 |
| 4.1.2 关联规则算法 | 第45-46页 |
| 4.1.3 关联规则应用 | 第46页 |
| 4.2 药品销售数据分析中的关联规则模型 | 第46-48页 |
| 4.2.1 药品关联的问题描述 | 第46-47页 |
| 4.2.2 销售数据间的关联规则模型 | 第47-48页 |
| 4.3 Apriori算法 | 第48-51页 |
| 4.3.1 Apriori算法思想 | 第48-49页 |
| 4.3.2 Apriori算法描述 | 第49-51页 |
| 4.4 Apriori算法在药品销售分析中的应用 | 第51-58页 |
| 4.4.1 销售药品间的关联分析 | 第51-56页 |
| 4.4.2 销售药品类别间的关联分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 医药销售信息管理子系统的设计与实现 | 第59-75页 |
| 5.1 系统总体设计 | 第59-61页 |
| 5.1.1 系统目标 | 第59页 |
| 5.1.2 系统架构及开发环境 | 第59-60页 |
| 5.1.3 系统功能结构 | 第60-61页 |
| 5.2 系统数据库设计 | 第61-66页 |
| 5.2.1 数据库概念设计 | 第61-62页 |
| 5.2.2 数据库逻辑模型 | 第62-64页 |
| 5.2.3 数据库表 | 第64-66页 |
| 5.3 系统功能详细设计与实现 | 第66-74页 |
| 5.3.1 顾客消费情况分析模块的设计与实现 | 第66-69页 |
| 5.3.2 会员消费频次分析模块的设计与实现 | 第69-70页 |
| 5.3.3 销售药品关联分析模块的设计与实现 | 第70-73页 |
| 5.3.4 药品类别关联分析模块的设计与实现 | 第73-74页 |
| 5.3.5 销售数据维护模块设计 | 第74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 结论与展望 | 第75-77页 |
| 6.1 结论 | 第75页 |
| 6.2 未来工作展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者从事科学研究和学习经历的简历 | 第83页 |
