数据挖掘在医疗信息分析中的研究与应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-10页 |
| 1 绪论 | 第10-13页 |
| ·课题背景 | 第10-11页 |
| ·项目背景 | 第10页 |
| ·理论背景 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·对住院医疗费用进行挖掘的意义 | 第12页 |
| ·本章小结 | 第12-13页 |
| 2 数据挖掘相关理论和技术 | 第13-24页 |
| ·数据挖掘理论基础 | 第13-16页 |
| ·数据挖掘的概念 | 第13页 |
| ·数据挖掘过程模型 | 第13-14页 |
| ·数据挖掘分析的方法 | 第14-15页 |
| ·数据挖掘实现的功能 | 第15-16页 |
| ·数据挖掘技术 | 第16-23页 |
| ·决策树 | 第16-18页 |
| ·Bayes 网络 | 第18页 |
| ·人工神经网络 | 第18-19页 |
| ·聚类 | 第19-20页 |
| ·关联规则 | 第20页 |
| ·粗糙集理论 | 第20-21页 |
| ·进化算法 | 第21-22页 |
| ·组合学习 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 数据预处理 | 第24-32页 |
| ·数据集成 | 第24页 |
| ·数据清洗 | 第24-29页 |
| ·缺失数据产生的原因 | 第24-25页 |
| ·缺失数据的处理方法 | 第25-27页 |
| ·源数据分析及处理 | 第27-29页 |
| ·处理结果 | 第29页 |
| ·数据变换 | 第29-31页 |
| ·数据简化 | 第31页 |
| ·本章小结 | 第31-32页 |
| 4 决策树的应用 | 第32-50页 |
| ·决策树相关理论 | 第32-36页 |
| ·基本概念 | 第32页 |
| ·决策树的生成 | 第32-33页 |
| ·属性的度量方法 | 第33-34页 |
| ·决策树的修剪 | 第34-36页 |
| ·决策树产生决策规则 | 第36页 |
| ·常用的决策树算法 | 第36-41页 |
| ·CLS 算法 | 第37页 |
| ·ID3 算法 | 第37-38页 |
| ·CART 算法 | 第38页 |
| ·CHAID 算法 | 第38-39页 |
| ·QUEST 算法 | 第39页 |
| ·SPRINT 算法 | 第39-40页 |
| ·C4.5 算法 | 第40-41页 |
| ·常用决策树算法应用 | 第41-45页 |
| ·CHAID 算法应用 | 第41-42页 |
| ·CART 算法应用 | 第42-43页 |
| ·QUEST 算法应用 | 第43-45页 |
| ·基于赞同度的AD 算法 | 第45-48页 |
| ·属性选择原理 | 第45-46页 |
| ·算法描述 | 第46-47页 |
| ·实验结果 | 第47-48页 |
| ·算法结果对比 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 结论与展望 | 第50-52页 |
| ·主要结论 | 第50页 |
| ·后续研究工作的展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56页 |
