| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的研究背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 数据挖掘的相关技术 | 第14-24页 |
| ·数据仓库技术简介 | 第14-16页 |
| ·数据仓库技术 | 第14-15页 |
| ·数据仓库的体系结构 | 第15-16页 |
| ·OLAP 技术 | 第16-18页 |
| ·OLAP 基本概念 | 第16-17页 |
| ·OLAP 的体系结构 | 第17页 |
| ·OLAP 的数据存储方式 | 第17-18页 |
| ·OLAP 多维数据分析 | 第18页 |
| ·数据挖掘技术 | 第18-24页 |
| ·数据挖掘的功能 | 第19-20页 |
| ·数据挖掘的一般流程 | 第20-21页 |
| ·数据挖掘与数据仓库、OLAP 的关系 | 第21-22页 |
| ·常用的数据挖掘技术 | 第22-24页 |
| 第三章 医院信息数据仓库的构建 | 第24-37页 |
| ·系统设计的背景 | 第24-25页 |
| ·系统总体应用模式 | 第25-27页 |
| ·数据仓库构建工具：SQL Server 2008 | 第27-29页 |
| ·SQL Server 2008 数据仓库架构 | 第27-28页 |
| ·SQL Server 2008 数据仓库平台的优点 | 第28-29页 |
| ·数据仓库的构建 | 第29-37页 |
| ·主题的确定 | 第31页 |
| ·维度和维层次设计 | 第31-32页 |
| ·粒度设计 | 第32页 |
| ·事实表和维表设计 | 第32-35页 |
| ·数据准备 | 第35页 |
| ·建立模型 | 第35页 |
| ·评估、解释模型 | 第35页 |
| ·运用、巩固模型 | 第35-37页 |
| 第四章 基于医院信息系统的数据挖掘研究 | 第37-47页 |
| ·医学数据挖掘的基本过程 | 第37页 |
| ·医院信息数据挖掘的关键技术 | 第37-38页 |
| ·数据挖掘关联规则算法研究 | 第38-40页 |
| ·基本概念 | 第38-39页 |
| ·关联规则的分类 | 第39-40页 |
| ·挖掘关联规则的步骤 | 第40页 |
| ·Apriori 算法 | 第40-42页 |
| ·传统Apriori 算法介绍 | 第40-42页 |
| ·传统Apriori 算法的缺点 | 第42页 |
| ·改进的Apriori 算法 | 第42-47页 |
| ·设计思路 | 第42-43页 |
| ·算法描述 | 第43页 |
| ·算法的执行过程 | 第43-46页 |
| ·改进后的Apriori 算法的优越性 | 第46-47页 |
| 第五章 关联规则数据挖掘应用 | 第47-58页 |
| ·关联规则数据挖掘应用1-疾病及其并发症的关联关系 | 第47-54页 |
| ·糖尿病及其并发症简介 | 第47-48页 |
| ·数据挖掘应用 | 第48-54页 |
| ·关联规则数据挖掘应用2- 乳腺癌复发因素研究 | 第54-58页 |
| ·数据准备 | 第54-55页 |
| ·使用SQL Server 2008 进行关联规则挖掘的实现 | 第55-58页 |
| ·实现的步骤 | 第55-56页 |
| ·得到的项集 | 第56页 |
| ·得到的关联规则 | 第56-57页 |
| ·得到的结论 | 第57-58页 |
| 结论 | 第58-60页 |
| 1. 论文总结 | 第58页 |
| 2. 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
