| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-27页 |
| 1.1. 选题背景与意义 | 第9-11页 |
| 1.2. 时态数据库相关研究 | 第11-25页 |
| 1.2.1. 时态数据库的发展现状及实现方法 | 第12-15页 |
| 1.2.1.1. 时态数据库的发展现状 | 第12页 |
| 1.2.1.2. 实现时态数据的方法 | 第12-15页 |
| 1.2.2. 时态数据库的一些基本概念 | 第15-21页 |
| 1.2.2.1. 快照数据库 | 第15页 |
| 1.2.2.2. 回滚数据库 | 第15-16页 |
| 1.2.2.3. 历史数据库 | 第16-17页 |
| 1.2.2.4. 时态数据库 | 第17-18页 |
| 1.2.2.5. 时态数据库中的一些术语 | 第18-21页 |
| 1.2.3. 时态数据库的表示和操作 | 第21-23页 |
| 1.2.3.1. 时态数据库的表示 | 第21-22页 |
| 1.2.3.2. 时态操作 | 第22-23页 |
| 1.2.4. 时态查询语言 | 第23-25页 |
| 1.3. 本文主要工作与贡献 | 第25页 |
| 1.4. 论文结构 | 第25-27页 |
| 第二章 基于概率的不确定时态数据建模 | 第27-41页 |
| 2.1. 引言 | 第27-30页 |
| 2.2. 基于概率的不确定时态数据模型 | 第30-40页 |
| 2.2.1. 模型中不确定时态信息的表示及存储 | 第30-33页 |
| 2.2.2. 不确定时态信息中的时态关系 | 第33-34页 |
| 2.2.2.1. 适用于不确定时间点的时态关系 | 第33-34页 |
| 2.2.2.2. 适用于不确定时间期间的时态关系 | 第34页 |
| 2.2.3. 不确定时态关系扩展 | 第34-40页 |
| 2.2.3.1. 支持有效时间不确定性的概率方法 | 第35页 |
| 2.2.3.2. 扩展原 before 时态关系 | 第35-38页 |
| 2.2.3.3. 定义新的时态关系 | 第38-40页 |
| 2.3. 本章小结 | 第40-41页 |
| 第三章 基于修正模糊度的不确定时态数据的挖掘 | 第41-51页 |
| 3.1. 传统贝叶斯分类器 | 第41-44页 |
| 3.1.1 贝叶斯分类方法 | 第42-43页 |
| 3.1.2 朴素贝叶斯分类模型 | 第43-44页 |
| 3.2. 基于贝叶斯的模糊度修正 | 第44-50页 |
| 3.2.1 函数 DM( )的功能 | 第45-47页 |
| 3.2.2 函数 fit( )—模糊度值的评价函数 | 第47-48页 |
| 3.2.3 程序运行及实验结果 | 第48-50页 |
| 3.3. 本章小结 | 第50-51页 |
| 第四章 基于 PSO 优化的医疗数据挖掘 | 第51-63页 |
| 4.1 引言 | 第51-52页 |
| 4.2 PSO（Particle Swarm Optimization） | 第52-54页 |
| 4.2.1 算法基本原理 | 第52-53页 |
| 4.2.2 算法流程 | 第53-54页 |
| 4.3 基于离散粒子群优化的属性选择方法 | 第54-56页 |
| 4.3.1 属性选择的离散 PSO 模型 | 第54-55页 |
| 4.3.2 基于离散 PSO 的属性选择 | 第55-56页 |
| 4.4 基于离散粒子群优化的医疗数据挖掘算法 | 第56-59页 |
| 4.4.1 MDL 离散算法 | 第56-58页 |
| 4.4.2 评价函数 fitness(x) | 第58页 |
| 4.4.3 基于离散粒子群优化的医疗数据挖掘（PSO-BNB）算法 | 第58-59页 |
| 4.5 实验结果分析 | 第59-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第五章 基于电子病历的不确定时态数据的挖掘 | 第63-80页 |
| 5.1 数据预处理 | 第63-64页 |
| 5.2 有效时间的不确定性 | 第64-65页 |
| 5.3 不确定性有效时间的数据库存储 | 第65-67页 |
| 5.3.1 不确定有效时间的表示 | 第66页 |
| 5.3.2 不确定有效时间的存储结构 | 第66-67页 |
| 5.3.3 增加时态字段的注意事宜 | 第67页 |
| 5.4 不确定时态信息的查询 | 第67-75页 |
| 5.4.1 不确定时间期间的时态关系 | 第68-69页 |
| 5.4.2 不确定性时态信息的查询 | 第69-75页 |
| 5.5 基于电子病历的不确定时态数据挖掘 | 第75-79页 |
| 5.5.1 基于电子病历的时态数据库模型 | 第76-77页 |
| 5.5.2 数据库结构 | 第77-78页 |
| 5.5.3 系统结构 | 第78-79页 |
| 5.6 本章小结 | 第79-80页 |
| 第六章 结论与展望 | 第80-82页 |
| 6.1 全文总结 | 第80-81页 |
| 6.2 未来研究展望 | 第81-82页 |
| 参考文献 | 第82-89页 |
| 发表论文和科研情况说明 | 第89-90页 |
| 致谢 | 第90页 |
