| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 2 相关技术介绍 | 第16-23页 |
| 2.1 数据挖掘的概念 | 第16页 |
| 2.2 数据挖掘的过程 | 第16-17页 |
| 2.3 系统涉及的关键技术 | 第17-21页 |
| 2.3.1 Hana数据库 | 第18页 |
| 2.3.2 ETL | 第18-19页 |
| 2.3.3 SQLScript | 第19-20页 |
| 2.3.4 BO | 第20页 |
| 2.3.5 数据仓库、数据集市与数据挖掘 | 第20-21页 |
| 2.4 系统实现的难点 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 系统分析与设计 | 第23-33页 |
| 3.1 可行性分析 | 第23-26页 |
| 3.1.1 数据量大小 | 第23-25页 |
| 3.1.2 算法可行性 | 第25-26页 |
| 3.2 需求分析 | 第26-27页 |
| 3.2.1 数据多维度分析的需求 | 第26页 |
| 3.2.2 性能需求 | 第26-27页 |
| 3.3 系统开发环境 | 第27页 |
| 3.4 系统的整体框架设计 | 第27页 |
| 3.5 概要设计 | 第27-31页 |
| 3.5.1 系统功能结构 | 第28页 |
| 3.5.2 系统模块设计 | 第28-31页 |
| 3.6 本章小结 | 第31-33页 |
| 4 OLAP系统实现 | 第33-45页 |
| 4.1 数据建模 | 第33-34页 |
| 4.2 主要的数据表结构 | 第34页 |
| 4.3 视图集成 | 第34-37页 |
| 4.3.1 属性视图 | 第35-36页 |
| 4.3.2 分析视图 | 第36页 |
| 4.3.3 计算视图 | 第36-37页 |
| 4.4 PAL算法的实现 | 第37-38页 |
| 4.5 BO平台对外提供查询 | 第38-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 多病种临床数据分析 | 第45-56页 |
| 5.1 甲亢临床数据分析 | 第45-52页 |
| 5.1.1 甲亢缓解过程分析 | 第45-49页 |
| 5.1.2 甲亢缓解天数分析 | 第49-50页 |
| 5.1.3 甲亢再燃过程 | 第50-51页 |
| 5.1.4 甲亢再燃天数过程 | 第51-52页 |
| 5.2 糖尿病临床数据分析 | 第52-55页 |
| 5.2.1 糖尿病指标A1C跟GLU的相关性分析 | 第53-54页 |
| 5.2.2 糖尿病A1C与GLU正常率分析 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 6 多病种多维度数据挖掘 | 第56-80页 |
| 6.1 多维度数据挖掘 | 第56-58页 |
| 6.2 关联规则算法在Hana上实现 | 第58-62页 |
| 6.2.1 Hana PAL APRIORI算法的编程规范 | 第59-60页 |
| 6.2.2 Hana实现APRIORIRULE | 第60-62页 |
| 6.3 聚类算法在Hana上实现 | 第62-65页 |
| 6.3.1 Hana PAL K分值硬聚类算法K-Means编程规范 | 第62-64页 |
| 6.3.2 Hana实现K-Means | 第64-65页 |
| 6.4 关联规则算法在甲亢数据上的应用 | 第65-72页 |
| 6.5 关联规则算法在糖尿病数据上的应用 | 第72-74页 |
| 6.6 聚类算法在甲亢数据上的应用 | 第74-78页 |
| 6.7 数据挖掘带来的医疗隐私问题 | 第78-79页 |
| 6.8 本章小结 | 第79-80页 |
| 7 总结与展望 | 第80-82页 |
| 7.1 课题总结 | 第80页 |
| 7.2 课题展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-85页 |
| 攻读学位期间的研究成果目录 | 第85页 |