基于iOS的医生随诊系统的设计与实现
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 引言 | 第10-15页 |
1.1 课题背景及意义 | 第10-11页 |
1.2 医生随诊系统的特点 | 第11-12页 |
1.3 研究内容 | 第12-13页 |
1.4 论文结构 | 第13-15页 |
第二章 技术背景 | 第15-24页 |
2.1 iOS开发介绍 | 第15-19页 |
2.1.1 iOS系统简介 | 第15-16页 |
2.1.2 iOS应用的架构 | 第16-17页 |
2.1.3 iOS应用的生命周期 | 第17-19页 |
2.2 Objective-C开发语言介绍 | 第19-22页 |
2.2.1 Runtime介绍 | 第19-20页 |
2.2.2 KVO介绍 | 第20-22页 |
2.3 数据持久化介绍 | 第22-23页 |
2.3.1 NSUserDefaults | 第22页 |
2.3.2 对象归档 | 第22页 |
2.3.3 CoreData | 第22页 |
2.3.4 SQLite | 第22-23页 |
2.4 在iOS系统上实现医生随诊系统的技术挑战 | 第23页 |
2.5 本章小结 | 第23-24页 |
第三章 系统需求分析和概要设计 | 第24-34页 |
3.1 系统目标 | 第24页 |
3.2 用户需求分析 | 第24-25页 |
3.3 系统架构概要设计 | 第25-26页 |
3.4 业务模块设计 | 第26-31页 |
3.4.1 消息管理模块设计 | 第27-28页 |
3.4.2 患者管理模块设计 | 第28-30页 |
3.4.3 随访管理模块设计 | 第30页 |
3.4.4 系统设置模块设计 | 第30-31页 |
3.5 数据处理模块设计 | 第31-33页 |
3.5.1 网络层架构设计 | 第31-33页 |
3.5.2 数据持久化处理 | 第33页 |
3.6 本章小结 | 第33-34页 |
第四章 基于预测用户习惯的数据缓存策略 | 第34-42页 |
4.1 国内外研究现状 | 第34-35页 |
4.2 缓存数学模型 | 第35-37页 |
4.3 基于预测用户习惯的缓存策略的设计 | 第37-39页 |
4.3.1 缓存模型和工作流程介绍 | 第37-38页 |
4.3.2 基于LRU的缓存淘汰算法 | 第38-39页 |
4.4 默克树对缓存机制的优化研究 | 第39-40页 |
4.5 仿真结果分析 | 第40-41页 |
4.6 本章小结 | 第41-42页 |
第五章 系统详细设计与实现 | 第42-60页 |
5.1 界面交互 | 第42-56页 |
5.1.1 消息管理模块实现 | 第42-46页 |
5.1.2 患者管理模块实现 | 第46-52页 |
5.1.3 随访管理模块实现 | 第52页 |
5.1.4 系统设置模块实现 | 第52-56页 |
5.2 后台数据操作 | 第56-59页 |
5.2.1 网络请求处理 | 第56-57页 |
5.2.2 数据库操作 | 第57-58页 |
5.2.3 数据通信 | 第58-59页 |
5.3 本章小结 | 第59-60页 |
第六章 系统测试 | 第60-67页 |
6.1 测试环境 | 第60页 |
6.1.1 软件环境 | 第60页 |
6.1.2 硬件环境 | 第60页 |
6.2 功能测试 | 第60-65页 |
6.2.1 消息管理模块测试 | 第61-62页 |
6.2.2 患者管理模块测试 | 第62-64页 |
6.2.3 系统设置模块测试 | 第64-65页 |
6.2.4 测试小结 | 第65页 |
6.3 兼容性测试 | 第65-66页 |
6.3.1 测试机型 | 第65-66页 |
6.3.2 测试结果 | 第66页 |
6.4 本章小结 | 第66-67页 |
第七章 总结和展望 | 第67-69页 |
7.1 全文总结 | 第67-68页 |
7.2 不足及展望 | 第68-69页 |
参考文献 | 第69-72页 |
致谢 | 第72-73页 |
攻读学位期间发表的学术论文 | 第73页 |