数据挖掘技术在体重与饮食习惯关系中的探索应用
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·研究内容和方法 | 第10-11页 |
| ·研究内容 | 第10页 |
| ·研究方法 | 第10-11页 |
| ·数据挖掘概述 | 第11-14页 |
| ·数据挖掘的发展及现状 | 第11-12页 |
| ·与传统数据分析方法的区别 | 第12-13页 |
| ·挖掘过程概述 | 第13页 |
| ·数据挖掘在医学领域中的研究现状 | 第13-14页 |
| 第二章 数据挖掘算法综述 | 第14-28页 |
| ·关联规则的理论介绍 | 第14-16页 |
| ·关联规则概述 | 第14-15页 |
| ·关联规则种类 | 第15-16页 |
| ·APRIORI算法概述 | 第16-20页 |
| ·Apriori算法描述 | 第16-17页 |
| ·Apriori算法之发现频繁项目集算法 | 第17-19页 |
| ·Apriori算法之关联规则生成算法 | 第19-20页 |
| ·数据分类理论介绍 | 第20-22页 |
| ·分类概述 | 第20-21页 |
| ·分类过程与方法 | 第21-22页 |
| ·决策树分类 | 第22-25页 |
| ·决策树分类概述 | 第22-23页 |
| ·决策树ID3算法 | 第23-25页 |
| ·贝叶斯网络 | 第25-28页 |
| ·朴素贝叶斯分类 | 第25-26页 |
| ·贝叶斯网络概述 | 第26页 |
| ·贝叶斯网络算法 | 第26-28页 |
| 第三章 关联规则在探索体重与食物关系中的应用 | 第28-44页 |
| ·数据来源说明 | 第28页 |
| ·数据预处理 | 第28-36页 |
| ·数据库结构介绍 | 第28-29页 |
| ·数据抽取和数据清洗 | 第29-32页 |
| ·转换数据形式 | 第32-36页 |
| ·数据导入 | 第36-38页 |
| ·关联规则分析 | 第38-40页 |
| ·Microsoft关联规则挖掘模型简介 | 第38-39页 |
| ·关联规则挖掘模型的使用 | 第39-40页 |
| ·结果展示 | 第40-44页 |
| ·总表结果 | 第40-41页 |
| ·主食分析结果 | 第41页 |
| ·肉类和奶类分析结果 | 第41-42页 |
| ·鸡蛋和海鲜分析结果 | 第42-43页 |
| ·零食和饮料的分析结果 | 第43-44页 |
| ·本章小结 | 第44页 |
| 第四章 分类算法在探索体重与食物关系中的应用 | 第44-53页 |
| ·贝叶斯网络挖掘结果 | 第45-48页 |
| ·对总数据集进行挖掘 | 第45-46页 |
| ·对各数据子集进行挖掘 | 第46-47页 |
| ·贝叶斯网络的预测 | 第47-48页 |
| ·决策树分类挖掘结果 | 第48-52页 |
| ·对总数据集进行挖掘 | 第48-50页 |
| ·对各数据子集进行挖掘 | 第50-51页 |
| ·决策树预测 | 第51-52页 |
| ·两种分类方法比较 | 第52-53页 |
| ·本章小结 | 第53页 |
| 第五章 结论 | 第53-55页 |
| 后记 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 详细摘要 | 第59-65页 |
