数据挖掘算法研究及其在处方分析系统的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究的背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 数据挖掘简介 | 第9-12页 |
| 1.3.1 数据挖掘技术分类 | 第9-10页 |
| 1.3.2 数据挖掘步骤 | 第10-11页 |
| 1.3.3 数据挖掘应用与趋势 | 第11-12页 |
| 1.4 论文研究内容 | 第12-13页 |
| 1.5 论文组织结构 | 第13-14页 |
| 2 关联规则和粗糙集理论 | 第14-24页 |
| 2.1 关联规则理论 | 第14-20页 |
| 2.1.1 购物车问题 | 第14-15页 |
| 2.1.2 关联规则概念 | 第15-16页 |
| 2.1.3 频繁项集生成 | 第16-17页 |
| 2.1.4 Apriori定理 | 第17-18页 |
| 2.1.5 Apriori算法 | 第18-19页 |
| 2.1.6 关联规则算法待解决问题 | 第19-20页 |
| 2.2 粗糙集理论 | 第20-23页 |
| 2.2.1 粗糙集简介 | 第20页 |
| 2.2.2 信息系统和决策系统 | 第20-22页 |
| 2.2.3 知识约简 | 第22页 |
| 2.2.4 粗糙集功能分析 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 并行关联规则算法及改进 | 第24-38页 |
| 3.1 并行理论 | 第24-25页 |
| 3.1.1 并行处理 | 第24-25页 |
| 3.1.2 并行数据挖掘 | 第25页 |
| 3.2 CD算法 | 第25-29页 |
| 3.2.1 基于Apriori的并行算法 | 第25-26页 |
| 3.2.2 CD算法步骤 | 第26-29页 |
| 3.2.3 CD算法分析 | 第29页 |
| 3.3 基于矩阵的并行关联规则算法 | 第29-34页 |
| 3.3.1 矩阵算法 | 第29-31页 |
| 3.3.2 并行矩阵算法(PM算法) | 第31-34页 |
| 3.4 算法分析与试验结果 | 第34-37页 |
| 3.4.1 算法分析 | 第34-35页 |
| 3.4.2 实验结果 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 属性约简算法及改进 | 第38-50页 |
| 4.1 属性约简基本算法 | 第38-40页 |
| 4.1.1 属性依赖度算法 | 第38-39页 |
| 4.1.2 分辨矩阵算法 | 第39-40页 |
| 4.2 建模分析 | 第40-42页 |
| 4.2.1 属性约简分析 | 第41-42页 |
| 4.2.2 TSP问题分析 | 第42页 |
| 4.3 基于模拟退火的属性约简 | 第42-48页 |
| 4.3.1 模拟退火思想 | 第42-43页 |
| 4.3.2 基于SA的属性约简策略 | 第43-44页 |
| 4.3.3 算法实现 | 第44-46页 |
| 4.3.4 算法测试 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 系统实现与测试 | 第50-64页 |
| 5.1 系统设计 | 第50-52页 |
| 5.2 处方采集模块 | 第52-56页 |
| 5.2.1 数据库格式 | 第52-54页 |
| 5.2.2 格式处理 | 第54-56页 |
| 5.3 药材关联分析 | 第56-60页 |
| 5.3.1 问题描述 | 第56页 |
| 5.3.2 药材关联规则挖掘 | 第56-57页 |
| 5.3.3 配仓系统实现与评价 | 第57-60页 |
| 5.4 处方药材约简 | 第60-63页 |
| 5.4.1 药材约简结果 | 第60-61页 |
| 5.4.2 药材集分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 未来展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
