论文部分内容阅读
在现代社会人们越来越关注健康问题,导致越来越多的人开始通过签约私人医生来保证自身的身体健康。但是现在的私人医生的质量参差不齐,病人不能判断私人医生的可信度。对于私人医生来讲,也希望签约可信度高的病人。而且,随着“互联网+”时代的到来,互联网与工业,商业,金融业,交通,医疗,教育,服务业进行了全面的融合。但是作为个体服务提供者的私人医生还没有享受到互联网带来的便利。现在很多私人医生还在用比较原始的方式来管理和维护客户关系,病人也只能通过电话来预约医生。一方面,病人不能判断预约的医生是否可信;另一方面,医生也不能判断病人是否可信。所以对医生和病人进行可信度分类有了实际意义。本文以calendar系统为基础,对calendar系统上的私人医生和病人进行可信度分类。calendar系统是一个病人预约医生的平台,病人可以预约平台上的医生,医生可以处理病人的预约信息,并且可以维护签约的客户。本文依据系统中医生和病人的个人信息、预约信息,采用数据挖掘技术对医生和病人进行聚类分析和分类分析。本文研究了数据挖掘的定义、过程和功能。并说明了在系统中采用聚类和分类算法的可行性。论文详细研究了聚类算法k-means和分类算法C4.5的基本原理和执行过程,并用JAVA语言在eclipse平台上对其进行了编码实现。论文描述了加权的k-means聚类算法和C4.5分类算法如何在calendar系统中对私人医生和病人进行可信度分类。详细介绍了特征变量的选取,特征变量权重的确定,数据集的预处理。然后利用聚类算法对系统中的注册的用户进行可信度分类,并利用分类算法对样本训练集进行分类分析,并建立分类模型,对未注册的用户进行分类预测。论文采用java语言对calendar系统进行开发,采用JAVAEE的三层架构模式,数据库采用MYSQL和REDIS结合的方式,前端框架采用JQUERY MOBILE技术。通过本系统病人可以根据医生的可信度来选择医生,而医生也可以根据病人的可信度来选择病人,从而为病人和医生提供一个可信的环境。