| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究情况 | 第10-11页 |
| 1.4 论文研究内容及结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 基于数据挖掘的智慧健康服务平台关键技术 | 第13-32页 |
| 2.1 智慧医疗 | 第13页 |
| 2.2 物联网 | 第13-15页 |
| 2.2.1 短距离无线通信协议 | 第14-15页 |
| 2.3 云计算 | 第15-18页 |
| 2.3.1 云计算体系结构 | 第16-17页 |
| 2.3.2 云存储 | 第17-18页 |
| 2.4 Hadoop平台 | 第18-21页 |
| 2.4.1 Hadoop的组成 | 第18-19页 |
| 2.4.2 HDFS | 第19-20页 |
| 2.4.3 MapReduce框架 | 第20-21页 |
| 2.5 数据挖掘 | 第21-28页 |
| 2.5.1 数据挖掘的组成 | 第22-24页 |
| 2.5.2 k-means算法 | 第24-25页 |
| 2.5.3 灰色预测 | 第25-28页 |
| 2.6 Web开发技术 | 第28-30页 |
| 2.6.1 Java编程语言 | 第28页 |
| 2.6.2 Java EE | 第28-30页 |
| 2.6.3 MySQL | 第30页 |
| 2.6.4 JfreeChart | 第30页 |
| 2.7 本章小结 | 第30-32页 |
| 第三章 基于数据挖掘的智慧健康服务平台总体设计 | 第32-50页 |
| 3.1 平台需求分析 | 第32-33页 |
| 3.2 平台总体设计方案 | 第33-35页 |
| 3.2.1 平台总体结构 | 第33-35页 |
| 3.2.2 平台应用场景 | 第35页 |
| 3.3 数据采集模块 | 第35-37页 |
| 3.4 数据存储模块 | 第37-40页 |
| 3.4.1 传统数据库存储 | 第37-38页 |
| 3.4.2 分布式存储 | 第38-40页 |
| 3.5 数据挖掘模块 | 第40-46页 |
| 3.5.1 MapReduce框架计算步骤 | 第40-41页 |
| 3.5.2 基于MapReduce框架的数据预处理 | 第41-43页 |
| 3.5.3 K-means算法与MapReduce框架的整合 | 第43-45页 |
| 3.5.4 灰色预测算法 | 第45-46页 |
| 3.6 数据展示模块 | 第46-49页 |
| 3.6.1 前端技术 | 第46-47页 |
| 3.6.2 后端技术 | 第47-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于数据挖掘的智慧健康服务平台的实现 | 第50-64页 |
| 4.1 系统环境的搭建 | 第50-54页 |
| 4.1.1 Hadoop平台搭建 | 第50-52页 |
| 4.1.2 SSH环境搭建 | 第52-54页 |
| 4.2 数据采集模块的实现 | 第54-55页 |
| 4.3 数据存储模块的实现 | 第55-58页 |
| 4.3.1 MySQL数据存储 | 第55-56页 |
| 4.3.2 HDFS数据存储 | 第56-58页 |
| 4.4 数据挖掘模块的实现 | 第58-60页 |
| 4.4.1 基于MapReduce框架的数据预处理 | 第59页 |
| 4.4.2 基于MapReduce框架的k-means算法的实现 | 第59页 |
| 4.4.3 灰色预测算法的实现 | 第59-60页 |
| 4.5 数据展示模块的实现 | 第60-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 全文工作总结 | 第64页 |
| 5.2 未来展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 附录1 程序清单 | 第68-69页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录3 攻读硕士学位期间申请的专利 | 第70-71页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
