| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 数据挖掘在医学领域中的研究现状 | 第9-11页 |
| 1.2.2 妊娠糖尿病研究现状 | 第11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 基础知识 | 第13-23页 |
| 2.1 数据预处理 | 第13-15页 |
| 2.1.1 数据清理 | 第13页 |
| 2.1.2 数据规范化 | 第13-14页 |
| 2.1.3 数据离散化 | 第14-15页 |
| 2.1.4 不平衡数据处理 | 第15页 |
| 2.2 关联规则 | 第15-17页 |
| 2.2.1 基本概念 | 第16页 |
| 2.2.2 关联规则挖掘过程 | 第16-17页 |
| 2.2.3 关联规则评估方法 | 第17页 |
| 2.3 信息增益 | 第17-19页 |
| 2.3.1 信息熵 | 第17-18页 |
| 2.3.2 信息增益 | 第18页 |
| 2.3.3 增益率 | 第18-19页 |
| 2.4 BP神经网络 | 第19-21页 |
| 2.4.1 多层前馈神经网络 | 第19-20页 |
| 2.4.2 反向传播算法 | 第20-21页 |
| 2.5 不平衡数据分类的性能评价指标 | 第21-23页 |
| 第3章 基于关联规则的妊娠糖尿病影响因素分析 | 第23-31页 |
| 3.1 数据准备 | 第23-24页 |
| 3.1.1 数据来源 | 第23页 |
| 3.1.2 研究对象 | 第23页 |
| 3.1.3 影响妊娠糖尿病的因素 | 第23-24页 |
| 3.2 数据预处理 | 第24-26页 |
| 3.2.1 缺失值处理 | 第24-25页 |
| 3.2.2 噪声数据处理 | 第25页 |
| 3.2.3 连续变量离散化 | 第25-26页 |
| 3.3 关联分析 | 第26-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于BP神经网络的妊娠糖尿病患病风险预测 | 第31-49页 |
| 4.1 数据准备 | 第31-32页 |
| 4.1.1 数据来源 | 第31页 |
| 4.1.2 研究对象 | 第31页 |
| 4.1.3 影响妊娠糖尿病的因素 | 第31-32页 |
| 4.2 数据预处理 | 第32页 |
| 4.3 影响因素选择 | 第32-39页 |
| 4.3.1 影响因素描述性分析 | 第32-35页 |
| 4.3.2 影响因素选择 | 第35-39页 |
| 4.4 模型建立与评价 | 第39-48页 |
| 4.4.1 BP神经网络模型建立 | 第39-44页 |
| 4.4.2 Logistic、决策树、支持向量机模型建立 | 第44页 |
| 4.4.3 模型评价 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |