| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第2章 相关技术 | 第17-26页 |
| 2.1 数据挖掘 | 第17-20页 |
| 2.1.1 数据挖掘与医疗辅助诊断 | 第17-18页 |
| 2.1.2 数据挖掘与医疗辅助诊断的研究方向 | 第18页 |
| 2.1.3 关联规则 | 第18-19页 |
| 2.1.4 逻辑回归 | 第19-20页 |
| 2.2 Hadoop平台介绍 | 第20-24页 |
| 2.2.1 Hadoop | 第20-21页 |
| 2.2.2 HDFS | 第21-22页 |
| 2.2.3 MapReduce | 第22-23页 |
| 2.2.4 YARN | 第23-24页 |
| 2.2.5 Spark介绍 | 第24页 |
| 2.3 小结 | 第24-26页 |
| 第3章 基于关联规则的药品推荐 | 第26-36页 |
| 3.1 关联规则相关概念 | 第26-27页 |
| 3.1.1 项(Item) | 第26页 |
| 3.1.2 项集(Itemset) | 第26页 |
| 3.1.3 关联规则 | 第26-27页 |
| 3.1.4 关联规则挖掘过程 | 第27页 |
| 3.2 基于关联规则的药品推荐设计 | 第27-33页 |
| 3.2.1 Apriori算法介绍 | 第28-29页 |
| 3.2.2 基于Apriori算法的药品推荐设计实例 | 第29-33页 |
| 3.3 基于改进Apriori算法的药品推荐 | 第33-35页 |
| 3.3.1 经典Apriori算法不足 | 第33页 |
| 3.3.2 基于项集前缀的Apriori算法改进 | 第33-34页 |
| 3.3.3 基于前缀项集的Apriori算法 | 第34-35页 |
| 3.4 总结 | 第35-36页 |
| 第4章 基于逻辑回归的并发症预测 | 第36-51页 |
| 4.1 逻辑回归模型 | 第36-38页 |
| 4.1.1 问题提出 | 第36-37页 |
| 4.1.2 激励函数 | 第37页 |
| 4.1.3 决策函数 | 第37-38页 |
| 4.1.4 模型参数求解 | 第38页 |
| 4.2 针对医疗数据的预处理 | 第38-41页 |
| 4.2.1 针对医疗数据的清洗 | 第39-41页 |
| 4.2.2 针对医疗数据的集成 | 第41页 |
| 4.3 针对医疗数据的转换 | 第41-47页 |
| 4.3.1 逻辑回归与数据离散化 | 第42页 |
| 4.3.2 针对医疗数据的离散化方法介绍 | 第42-44页 |
| 4.3.3 针对医疗数据的离散化实现 | 第44-47页 |
| 4.4 针对医疗数据的模型评估 | 第47-50页 |
| 4.5 总结 | 第50-51页 |
| 第5章 基于Hadoop的医疗辅助诊断系统实现 | 第51-61页 |
| 5.1 基于Hadoop的药品推荐实现 | 第51-56页 |
| 5.1.1 算法思想 | 第51页 |
| 5.1.2 实现流程 | 第51-52页 |
| 5.1.3 算法代码 | 第52-54页 |
| 5.1.4 算法分析 | 第54页 |
| 5.1.5 实验结果 | 第54-56页 |
| 5.2 基于Hadoop的并发症预测实现 | 第56-60页 |
| 5.2.1 数据准备 | 第56-58页 |
| 5.2.2 模型建立 | 第58页 |
| 5.2.3 实验结果 | 第58-60页 |
| 5.3 总结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间的研究成果目录 | 第68-69页 |
| 致谢 | 第69页 |