| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 云平台与医疗大数据 | 第14-25页 |
| 2.1 医疗大数据 | 第14-15页 |
| 2.1.1 医疗大数据的产生 | 第14页 |
| 2.1.2 医疗大数据有以下几个主要特征 | 第14-15页 |
| 2.2 云计算 | 第15-18页 |
| 2.2.1 云计算概述 | 第15-16页 |
| 2.2.2 云计算分类 | 第16-17页 |
| 2.2.3 经典云计算平台 | 第17-18页 |
| 2.3 Hadoop简介 | 第18-24页 |
| 2.3.1 HDFS | 第18-19页 |
| 2.3.2 HDFS数据管理 | 第19-21页 |
| 2.3.3 MapReduce | 第21-22页 |
| 2.3.4 MapReduce任务流程 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于Hadoop的医疗小文件存储技术研究 | 第25-37页 |
| 3.1 HDFS存储大量小文件存在的问题以及现有解决方法 | 第25-28页 |
| 3.1.1 存储大量小文件存在的问题 | 第25-26页 |
| 3.1.2 海量小文件检索问题 | 第26页 |
| 3.1.3 现有小文件处理技术 | 第26-28页 |
| 3.2 基于Hadoop的医疗小文件存取设计方案 | 第28-33页 |
| 3.2.1 存取逻辑结构设计 | 第29页 |
| 3.2.2 详细设计 | 第29-31页 |
| 3.2.3 组合索引 | 第31-33页 |
| 3.3 实验结果分析 | 第33-36页 |
| 3.3.1 实验数据说明 | 第33页 |
| 3.3.2 实验环境 | 第33-34页 |
| 3.3.3 实验结果分析总结 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于Hadoop的医疗数据关联规则算法研究 | 第37-48页 |
| 4.1 关联规则算法简介 | 第37-38页 |
| 4.2 Apriori算法 | 第38-40页 |
| 4.2.1 Apriori算法性质及流程 | 第38-39页 |
| 4.2.2 Apriori算法的不足 | 第39-40页 |
| 4.3 Apriori算法改进 | 第40-45页 |
| 4.3.1 兴趣度 | 第40-41页 |
| 4.3.2 新的兴趣度模型 | 第41-43页 |
| 4.3.3 改进算法仿真 | 第43-45页 |
| 4.4 Apriori算法的分布式化 | 第45-47页 |
| 4.4.1 生成频繁项算法 | 第45-46页 |
| 4.4.2 实例分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于Hadoop平台医疗数据处理和分析系统设计 | 第48-59页 |
| 5.1 系统基本结构设计 | 第48页 |
| 5.2 系统主要模块介绍 | 第48-49页 |
| 5.3 Hadoop平台设计与搭建 | 第49-55页 |
| 5.3.1 硬件环境 | 第49-50页 |
| 5.3.2 软件环境 | 第50页 |
| 5.3.3 Hadoop平台搭建 | 第50-55页 |
| 5.4 系统主要功能实现及测试 | 第55-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |
