声明
第一章 绪 论
1.1 研究工作的背景与意义
1.2.1 数据挖掘应用于空气污染健康效应分析
1.2.2 数据挖掘应用于并发症分析
1.2.3 数据挖掘应用于再入院风险预测
1.3 本论文的研究内容
2.慢病及其并发症的关联挖掘
3.基于机器学习的慢病患者再住院风险预测
1.4 本论文的结构安排
第二章 相关理论与技术介绍
2.1 时间序列分析概述
2.1.1 时间序列分析的概念
2.1.2 广义相加模型（GAM）
2.2 聚类分析
2.2.1 聚类分析的原理
2.2.2 聚类分析的相关算法
2.3.1 关联规则挖掘的原理
2.3.2 关联规则挖掘相关算法
2.3.3 FP-growth算法
2.4.1 机器学习简介
2.4.2 降维处理
2.4.3 分类预测算法
2.4.4 模型性能度量
2.5 本章小结
第三章 大气污染与慢病关联分析
3.1.1 研究区域
3.1.2 数据范围
3.2.1 广义相加模型的建立
3.2.2 敏感性分析
3.3 大气污染物与慢病关联分析结果
3.4 本章小结
第四章 基于聚类分析的慢病并发症关联规则挖掘
4.1.1 数据范围
4.1.2 数据预处理
4.2 慢病并发症挖掘方法
4.2.1 慢病聚类分析
4.2.2 慢病并发症关联规则挖掘
4.2.3 慢病并发症挖掘结果
4.3 重点单病种并发症挖掘
4.3.1 糖尿病并发症挖掘结果
4.3.2 缺血性心脏病并发症挖掘结果
4.3.3 高血压并发症挖掘结果
4.4 本章小结
第五章 基于机器学习的慢病患者再入院风险预测
5.1 再入院风险预测目标
5.2.1 数据范围
5.2.2 数据预处理
5.2.3 特征编码
5.2.4 特征降维
5.2.5 样本分布不平衡处理
5.2.6 特征工程结果
5.3 再入院风险预测基本模型
5.3.1 样本集切分
5.3.2 模型训练与调参
5.3.3 模型测试与评估
5.3.4 基本预测模型结果
5.4.1 稀疏矩阵的压缩存储
5.4.2 利用树模型构造特征
5.4.3 基于压缩存储的再入院风险预测混合模型
5.4.4 基于压缩存储的混合模型结果
5.5 本章小结
第六章 总结与展望
致谢
参考文献
在学期间取得的与学位论文相关的研究成果
电子科技大学;
