| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容以及创新点 | 第15-18页 |
| 1.3.1 本文结构 | 第15-16页 |
| 1.3.2 本文创新点 | 第16-18页 |
| 第2章 正负关联规则概述 | 第18-28页 |
| 2.1 正关联规则概述 | 第18-22页 |
| 2.1.1 基本概念 | 第18-19页 |
| 2.1.2 经典算法 | 第19-22页 |
| 2.2 负关联规则概述 | 第22-26页 |
| 2.2.1 基本概念 | 第23页 |
| 2.2.2 主要算法 | 第23-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 一种改进的多支持度关联规则挖掘算法——MMS_FP | 第28-34页 |
| 3.1 多支持度的关联规则挖掘算法 | 第28-30页 |
| 3.1.1 MSapriori算法 | 第28-29页 |
| 3.1.2 MSB_apriori算法 | 第29-30页 |
| 3.2 MMS_FP算法 | 第30-31页 |
| 3.3 MMS_FP与MSB_apriori算法比较 | 第31-33页 |
| 3.3.1 数据说明 | 第31页 |
| 3.3.2 实验结果对比 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 一种改进的两级多支持度关联规则挖掘算法—2LFP_inFS_FS | 第34-42页 |
| 4.1 两级多支持度的关联规则挖掘算法 | 第34-36页 |
| 4.2 2LFP_inFS_FS算法 | 第36-38页 |
| 4.3 2LFP_inFS_FS与MMS_FP算法比较 | 第38-40页 |
| 4.3.1 数据说明 | 第38-39页 |
| 4.3.2 实验结果 | 第39-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第5章 医保数据处理 | 第42-50页 |
| 5.1 医保数据 | 第42-44页 |
| 5.1.1 医保数据定义 | 第42页 |
| 5.1.2 医保数据的研究价值和现状 | 第42-43页 |
| 5.1.3 医保数据特点 | 第43-44页 |
| 5.2 数据处理 | 第44-48页 |
| 5.2.1 数据集选取 | 第44页 |
| 5.2.2 数据清理 | 第44-46页 |
| 5.2.3 数据范化 | 第46页 |
| 5.2.4 数据规约 | 第46-48页 |
| 5.3 本章小结 | 第48-50页 |
| 第6章 2LFP_inFS_FS算法在医保数据分析中的应用 | 第50-64页 |
| 6.1 医保数据分析系统的实现 | 第50-51页 |
| 6.2 在心脑血管疾病分析中的应用 | 第51-55页 |
| 6.2.1 心脑血管疾病现状 | 第51-52页 |
| 6.2.2 数据选取 | 第52-53页 |
| 6.2.3 挖掘结果与分析 | 第53-55页 |
| 6.2.4 小结 | 第55页 |
| 6.3 在糖尿病分析中的应用 | 第55-59页 |
| 6.3.1 糖尿病现状 | 第55-56页 |
| 6.3.2 数据选取 | 第56-57页 |
| 6.3.3 挖掘结果与分析 | 第57-59页 |
| 6.3.4 小结 | 第59页 |
| 6.4 在类风湿性关节炎中的应用 | 第59-62页 |
| 6.4.1 类风湿性关节炎的研究现状 | 第59页 |
| 6.4.2 数据选取 | 第59-60页 |
| 6.4.3 挖掘结果与分析 | 第60-62页 |
| 6.4.4 小结 | 第62页 |
| 6.5 本章小结 | 第62-64页 |
| 第7章 总结与期望 | 第64-66页 |
| 7.1 总结 | 第64-65页 |
| 7.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 在学期间主要科研成果 | 第71页 |
| 一、发表学术论文 | 第71页 |
| 二、获奖情况 | 第71页 |
