基于关联规则的高血压发病概率预测系统的研究与实现

发布时间：2023-08-01 20:09

　　大数据和智能化的思想正在改变着我们现实的生活方式,健康绿色的生活理念慢慢被人们所接受,人们越来越关注自己的健康。然而,很多人都没有办法正确、及时的去了解自己的身体状况,这样就丧失了最佳的治疗时机,导致病体变大才着手治疗的悲剧屡见不鲜。在这众多乌云之中,高血压病的延误最为显著,迫切需要找到一种可行的方法“早发现早治疗”是科研界积极研究的难题之一。大小医院都已经开始使用电子病历系统来管理患者的信息,这些信息中显然隐含了影响引发疾病的各种因素。如果能够利用数据挖掘前沿技术从这些原始资料中找出各种潜在因素以及它们对高血压疾病发病概率的影响,将是本文在进行高血压诊断和预防路上的一个里程碑。数据挖掘技术是现阶段用于挖掘数据背后隐藏信息最为有效和实用的手段之一。它旨在找出数据或信息间的联系,以这些联系作为最初的挖掘结果,借助某种筛选策略,筛选出有利于决策者决策的规则。Fp-growth算法就是一个具有代表性的数据挖掘常用算法,它对数据进行树形压缩存储,提高了频繁项集寻找的效率。本文利用Fp-growth为频繁项集的寻找算法对高血压数据进行挖掘,并实现高血压发病概率预测系统。通过Fp-growth算法...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外现状
    1.3 主要研究内容
    1.4 论文的结构安排
第二章 系统相关技术
    2.1 系统相关技术概述
        2.1.1 持久层框架Mybatis
        2.1.2 SpringMVC技术介绍
        2.1.3 经典模块化前端框架Layui
        2.1.4 Nginx负载均衡技术
        2.1.5 Redis技术简介
        2.1.6 Echarts可视化工具
    2.2 数据挖掘算法概述
        2.2.1 关联规则挖掘
        2.2.2 Fp-growth算法
        2.2.3 卡方检验
    2.3 本章小结
第三章 系统的需求分析
    3.1 系统介绍
    3.2 系统的需求获取
    3.3 需求分析
        3.3.1 系统功能性需求
        3.3.2 非功能性需求
    3.4 本章小结
第四章 系统设计
    4.1 系统设计目标
    4.2 系统的总体架构
        4.2.1 设计方法
        4.2.2 数据流图
    4.3 系统的模块设计
    4.4 数据库的设计
        4.4.1 概念设计
        4.4.2 逻辑结构的设计
        4.4.3 物理结构设计
    4.5 本章小结
第五章 系统的实现与测试
    5.1 系统的实现
        5.1.1 开发环境
        5.1.2 系统功能模块的实现
    5.2 系统测试
        5.2.1 功能性测试
        5.2.2 非功能性测试
    5.3 本章小结
第六章 实验与结果分析
    6.1 知识库的建立
        6.1.1 高血压数据的特点
        6.1.2 高血压数据预处理
        6.1.3 模型建立
        6.1.4 关联规则挖掘
        6.1.5 关联规则评估
    6.2 高血压预测
    6.3 本章小结
第七章 总结与展望
参考文献
致谢



本文编号：3838278