学位论文 > 优秀研究生学位论文题录展示
关联规则算法及其在智能药房系统中的应用研究
作 者: 王凯
导 师: 王建宇;康其桔
学 校: 南京理工大学
专 业: 控制理论与控制工程
关键词: 关联规则 Apriori算法 频繁项集 智能药房 配仓管理
分类号: TP311.13
类 型: 硕士论文
年 份: 2012年
下 载: 56次
引 用: 0次
阅 读: 论文下载
内容摘要
关联规则挖掘是数据挖掘领域的一个重要研究分支,它对于事务数据集中的规则发现有着不可替代的作用。近年来国内外各界学者、研究机构对关联规则算法本身及其应用投入了大量精力,提出了各式各样的算法及在原有算法上的改进,同时,关联规则的应用也深入到各个领域。本文总结数据挖掘以及关联规则的国内外研究现状。对关联规则挖掘的Apriori算法进行了深入研究,并分析其主要性能瓶颈,在此基础上,对比Apriori算法与FP-Growth算法的优缺点,研究基于数据分割和基于散列的改进算法。本文分析中医药关联规则挖掘的特点,小包装中药饮片在药房系统中使用的规范、原则及其优越性。构建了整个智能药房上位机软件系统,包括主控系统、窗口系统、备货系统,并实现其各个功能模块的代码设计。在此基础上,实现关联规则算法在药房系统中仓位配置管理上的应用,对其中的数据处理操作、频繁项集的发现过程以及仓位的具体分配原则做了详尽阐述,并将应用关联规则的配仓结果与传统的经验配仓结果对处方调剂效率的影响进行了比较,验证算法的优越性。分析本文研究中还存在的一些问题,并指出进一步研究的方向。
|
全文目录
摘要 3-4 Abstract 4-5 目录 5-8 1 绪论 8-12 1.1 研究背景及意义 8-9 1.2 国内外研究现状 9-11 1.2.1 国外研究现状 9-10 1.2.2 国内研究现状 10-11 1.3 本文的研究内容及组织结构 11-12 1.3.1 本文的主要工作 11 1.3.2 本文的内容组织 11-12 2 数据挖掘与关联规则概述 12-20 2.1 数据挖掘概述 12-15 2.1.1 数据挖掘的概念 12 2.1.2 数据挖掘的任务 12 2.1.3 数据挖掘的过程 12-14 2.1.4 数据挖掘的对象 14-15 2.1.5 数据挖掘的特点 15 2.2 关联规则概述 15-19 2.2.1 关联规则挖掘的概念 15-17 2.2.2 关联规则挖掘的过程 17 2.2.3 关联规则挖掘的分类 17-18 2.2.4 关联规则挖掘的评价方法 18-19 2.3 本章小结 19-20 3 关联规则算法的分析研究 20-30 3.1 关联规则的Apriori算法 20-24 3.1.1 Apriori算法思想 20 3.1.2 Apriori算法步骤 20-21 3.1.3 Apriori算法描述 21 3.1.4 Apriori算法示例 21-24 3.1.5 Apriori算法的性能瓶颈 24 3.2 关联规则的FP-Growth算法 24-25 3.2.1 FP-Growth算法思想 24 3.2.2 FP-Growth算法步骤 24-25 3.2.3 FP-Growth算法小结 25 3.3 Apriori算法与FP-Growth算法的比较 25-26 3.3.1 Apriori算法与FP-Growth算法的相同点 25 3.3.2 Apriori算法与FP-Growth算法的区别 25-26 3.3.3 Apriori算法与FP-Growth算法的性能比较 26 3.4 关联规则的改进算法研究 26-29 3.4.1 基于数据分割(Partition)的方法 27-28 3.4.2 基于散列(Hash)的方法 28-29 3.5 本章小结 29-30 4 智能药房系统设计 30-46 4.1 中医药关联规则挖掘研究 30-34 4.1.1 中医药数据的特点 30 4.1.2 小包装中药饮片简介 30-32 4.1.3 小包装中药饮片的规格设定及调剂原则 32-33 4.1.4 中医药关联规则挖掘的过程 33-34 4.2 智能药房系统的优越性 34-35 4.3 智能药房系统总体设计 35-37 4.3.1 智能药房的机械结构设计 35-36 4.3.2 智能药房的上下位机总体结构设计 36-37 4.4 智能药房上位机系统 37-44 4.4.1 上位机控制系统各电脑的功能 38-39 4.4.2 上位机主控系统的功能模块 39-42 4.4.3 上位机主控系统的处理流程 42-44 4.5 本章小结 44-46 5 关联规则算法在智能药房系统中的应用 46-64 5.1 关联规则挖掘前的准备与数据预处理 46-49 5.1.1 确定需要配仓的药品规格 47-48 5.1.2 数据集的规范化处理 48-49 5.2 频繁项集挖掘算法的实现 49-58 5.2.1 算法的数据定义 49-51 5.2.2 算法的基本思想 51-52 5.2.3 算法的具体实现 52-56 5.2.4 算法的挖掘结果 56-58 5.3 仓位配置的实现 58-61 5.3.1 数据定义 58-59 5.3.2 基本思想 59 5.3.3 具体实现 59-61 5.4 关联规则挖掘配仓的效果比较 61-63 5.5 本章小结 63-64 6 总结与展望 64-66 6.1 总结 64 6.2 展望 64-66 致谢 66-68 参考文献 68-71
|
相似论文
- 基于数据挖掘的税务稽查选案研究,F812.42
- 关联规则算法在高职院校贫困生认定工作中的应用,G717
- Web使用挖掘与网页个性化服务推荐研究,TP311.13
- 数据挖掘在学校管理和学生培养中的应用,TP311.13
- 基于关联规则的结构化浏览技术及其应用,TP391.41
- 数据挖掘技术在独立学院教学评估中的应用研究,TP311.13
- 数据空间中数据资源之间关联关系发现模型研究,TP311.13
- 通信行为指纹研究,TP311.13
- 动态关联规则的研究,TP311.13
- 高速网络环境下的入侵检测系统的研究,TP393.08
- 基于日志分析的超级计算机错误预测方法研究,TP338
- 数据挖掘在学生评价系统中的应用,TP311.13
- 高校图书馆管理系统的个性化服务的设计与实现,TP311.52
- 面向隐私保护的关联规则挖掘研究,TP311.13
- 用户交易行为的分析与展示—在现代易货业中的应用,TP311.13
- 基于关联规则和图排序的句子情感倾向性研究,TP391.1
- 基于数据挖掘的入侵检测技术的研究,TP393.08
- 基于数据仓库的新农合管理系统研究,TP311.13
- 基于关联规则的地铁基坑工程施工风险监测研究,U231.3
- 基于聚类分析和关联规则的痹证医案处方用药规律研究,R255.6
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com
|