医学数据挖掘PDF|Epub|txt|kindle电子书版本网盘下载

医学数据挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章　概述3

第一节　数据挖掘与知识发现的基本概念3

一、数据挖掘的产生3

基础篇3

二、什么是数据挖掘和知识发现4

三、数据挖掘的知识表示6

第二节 知识发现和数据挖掘的步骤、算法与工具8

一、知识发现和数据挖掘的基本步骤8

二、知识发现和数据挖掘的算法9

三、数据挖掘的工具10

第三节　数据挖掘系统的体系结构11

四、模式评估模块12

一、数据挖掘和知识发现在科学研究中的应用12

五、知识输出模块12

第四节　数据挖掘和知识发现的应用12

二、挖掘前处理模块12

一、数据库管理模块12

三、挖掘操作模块12

二、数据挖掘和知识发现在商业上的应用13

三、Web挖掘13

第二章　数据挖掘的对象15

一、关系型数据库的定义16

二、关系组成与性质16

第一节　关系型数据库16

三、关系型数据库的数据挖掘17

第二节　数据仓库18

一、数据仓库的定义和结构18

二、数据仓库的特征19

三、多维数据模型20

四、数据仓库的数据挖掘23

第三节　文本数据库23

一、空间数据库24

第四节　复杂类型数据库24

四、文本分类24

三、文本聚类24

二、特征提取24

一、语种识别24

二、Web数据库25

三、时序数据库25

第三章　数据挖掘的步骤27

第一节　跨行业数据挖掘过程标准27

一、产生背景27

二、CRISP-DM过程模型28

三、数据挖掘工具29

第二节　业务理解29

一、确定商业目标29

二、状况评估30

三、确定数据挖掘目标31

四、建立项目计划31

第三节　数据准备32

一、理解数据32

二、数据选择34

三、数据清洗35

四、数据转换36

五、数据集成37

六、数据归约38

第四节　模型建立和评估39

一、模型的种类39

二、模型的精确度40

三、模型评估40

第四章　关联规则与关联分析47

核心篇47

第一节　关联规则基本概念和关联规则挖掘分类48

一、关联规则的基本概念48

二、关联规则挖掘的基本过程与分类49

第二节　关联分析的原理50

一、单维布尔关联规则挖掘50

二、多层关联规则挖掘52

一、关联分析的应用53

三、多维关联规则挖掘53

第三节　关联分析的应用和实例53

二、关联分析的应用实例54

第五章　聚类分析56

第一节　聚类分析概述56

一、聚类分析的定义56

二、聚类分析的应用56

第二节　聚类分析中的数据结构和数据类型57

一、数据结构57

二、数据类型57

第三节　聚类分析方法60

一、基于划分的聚类方法60

二、基于层次的聚类方法62

三、基于密度的方法64

四、基于网格的方法65

五、基于模型的方法66

第四节　孤立点（异常数据）分析67

第五节　聚类分析的应用和实例68

第六章　决策树70

第一节　决策树的概念和原理70

一、决策树的概念70

二、决策树的原理70

第二节　ID3算法和树剪枝72

一、ID3算法72

二、树枝修剪74

第三节　决策树的应用75

一、分类规则的获取75

二、决策树医学领域中应用75

第四节　决策树的可扩展性和优缺点76

一、决策树的可扩展性76

二、决策树的优缺点76

一、概念描述的定义77

二、概念描述的方法77

第七章　内容概括相关技术77

第一节　概念描述77

第二节　信息抽取83

一、信息抽取概述83

二、信息抽取的发展历史83

三、信息抽取系统的体系结构86

四、信息抽取中的关键技术87

五、展望89

一、人工神经网络的概念90

二、人工神经网络的研究历史90

第八章　人工神经网络90

第一节　人工神经网络概述90

三、人工神经网络的属性91

第二节　神经元的结构、组成及基本模型92

一、神经元的结构92

二、人工神经元的组成92

三、基本神经元模型92

一、人工神经网络的结构93

第三节　人工神经网络的结构、工作原理及模型93

二、人工神经网络的工作原理94

三、神经网络的学习方法94

四、神经网络模型95

第四节　人工神经网络在医学中的应用96

一、人工神经网络应用于临床诊断96

二、人工神经网络应用于预后研究97

三、人工神经网络应用于临床决策分析97

四、人工神经网络应用于医学信号分析处理98

第九章　遗传算法99

第一节　遗传算法概述99

一、遗传算法的产生和发展99

二、遗传算法的基本思想和原理100

三、遗传算法的特点101

第二节　遗传算法的步骤与实现102

一、遗传算法的处理步骤102

二、遗传算法的实现技术102

三、遗传算法的理论基础103

第三节　遗传算法的应用105

第十章　粗糙集理论及其应用107

第一节　粗糙集理论107

一、粗糙集理论的产生和发展107

二、知识的概念108

三、不可区分关系和基本集108

四、近似空间概念108

五、集合的下近似、上近似及边界区109

六、新型隶属关系111

第二节　决策表111

一、信息系统概念112

二、决策表的约简112

三、属性约简113

四、决策表离散化114

五、决策表规则获取及简化114

一、粗糙集在医学数据挖掘中的应用115

二、基于粗糙集理论的数据挖掘系统115

第三节　粗糙集理论应用115

第四节　实例应用116

一、等价集下近似和依赖度的计算117

二、条件属性C中各属性重要度的计算117

三、简化决策表118

四、约简后的决策表等价集计算118

五、决策表获取规则118

七、最后决策表获取的规则119

六、规则简化119

应用篇123

第十一章　数据挖掘在临床领域中的应用123

第一节　临床数据挖掘的特点123

一、临床数据的特点123

二、临床数据挖掘的过程126

第二节　数据挖掘临床应用领域126

一、疾病诊断与治疗126

二、医疗管理131

一、数据挖掘目的132

三、医疗资源利用评价132

第三节　临床数据挖掘应用实例132

二、样本133

三、数据挖掘方法133

四、数据预处理134

五、结果134

六、结论135

第十二章　数据挖掘在分子生物学领域中的应用136

第一节　分子生物学数据挖掘概述136

一、分子生物学数据的大量涌现136

二、分子生物学领域数据挖掘研究的提出136

三、分子生物学数据与信息的特点137

第二节　数据挖掘在分子生物学中的应用领域和工具138

一、数据挖掘在分子生物学中的应用领域138

二、分子生物信息挖掘工具139

第三节　分子生物学数据挖掘实例139

三、结果140

二、方法140

一、数据及来源140

第十三章　数据挖掘在预防医学领域中的应用143

第一节　预防医学数据挖掘的意义143

一、预防医学研究重要性143

二、预防医学数据挖掘的提出143

三、预防医学数据挖掘的发展144

第二节　预防医学数据挖掘的特点144

一、预防医学的行业背景144

二、预防医学数据挖掘的特点145

第三节　预防医学数据挖掘实例146

一、背景147

二、方法147

三、结果147

第十四章 时间序列数据挖掘及其在医院管理中的应用149

第一节　时间序列的趋势分析149

二、时间序列的构成因素150

一、时间序列及时间序列数据库150

三、时间序列的分析模型构成151

四、时间序列预测方法152

第二节　时间序列的相似性搜索153

一、时间序列相似性搜索概述154

二、基于序列变换的相似性搜索155

三、基于序列外形特征的相似性搜索156

四、基于小波变换的相似性搜索157

第三节　时间序列模式和周期模式挖掘157

一、时间序列模式挖掘157

二、时间序列周期模式挖掘158

第四节　时间序列数据挖掘在医院管理中的应用实例158

一、数据挖掘目的159

二、数据挖掘方法160

四、数据预处理161

五、实验结果161

三、样本资料161

六、讨论164

第十五章　文本挖掘及其在生物医学领域中的应用166

第一节　文本挖掘概述166

一、文本挖掘的定义166

二、文本挖掘的作用166

三、文本挖掘的过程167

一、文本预处理168

第二节　文本挖掘的关键技术168

二、文本分类171

三、文本聚类172

四、文本自动摘要173

第三节　文本挖掘在生物医学领域中的应用177

一、概念识别178

二、发现关系181

三、利用文本分析的方法优化生物学算法183

第一节　Web挖掘概述185

一、Web信息的特点185

第十六章　Web挖掘185

二、Web挖掘的含义186

三、Web挖掘的类型187

四、Web挖掘的意义188

第二节　Web内容挖掘189

一、Web内容挖掘及其类型189

二、Web文本挖掘190

三、Web多媒体数据挖掘192

一、Web的结构193

第三节　Web结构挖掘193

二、Web结构挖掘的含义194

三、Web结构挖掘的算法194

四、Web结构挖掘的应用196

第四节　Web使用挖掘197

一、Web使用挖掘的特点197

二、Web使用挖掘的意义197

三、Web使用挖掘的数据来源199

四、Web使用挖掘的基本过程200

五、Web使用挖掘的应用203

第十七章　数据挖掘工具概述205

第一节　数据挖掘工具的分类205

一、按技术层面分类206

二、按应用角度分类206

三、按所处理的数据类型分类207

四、按所完成的任务类型分类208

一、数据挖掘工具的评估指标209

第二节　数据挖掘工具的选择209

二、企业自身因素对数据挖掘工具选择的影响211

第三节　几种主流数据挖掘工具212

一、Clementine212

二、Enterprise Miner214

三、Insightful Miner215

四、Intelligent Miner215

五、Arrowsmith216

参考文献219