关联规则挖掘算法在分类中的应用研究

提出了一个基于关联规则挖掘算法的医疗数据分类方法。介绍了关联规则的理论基础、关联规则挖掘算法及其在医疗数据挖掘中的应用方法,并利用介绍的算法对乳腺癌数据进行挖掘。获得了分类的实验结果,该模型系统达到了较高的分类准确率,证明了数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

一种基于PCA-SVM的医疗卫生数据挖掘分类方法

当前医疗卫生数据呈现量大、种类多、特征混杂等特点,为数据挖掘分类带来一定的挑战。针对医疗卫生数据的这些特点,提出一种基于主成分分析和支持向量机相结合的数据挖掘分类方法,重点研究该方法的算法模型,以及在医疗卫生领域的具体实现,并在MATLAB环境下利用Cardiotocography数据集和Breast Cancer数据集进行了仿真实验。实验结果表明,该方法的分类效果较好,为当前医疗数据挖掘分类提供了一种可行的思路。     

医院信息化背景下医疗数据的整合与应用

医疗数据对民众的生活、社会的生产与发展,以及国家的建设有着重要的影响,在世界各地都备受关注.在科学与医疗技术不断发展的今天,医疗健康数据的运用场景与规模也在不断地扩大,虽然发展速度比较快,但依旧存在许多问题急需解决.本文通过分析医疗信息系统中数据的整合应用,对医院信息化背景下医疗数据整合存在的问题进行分析,提出了医疗数...     

一种基于元学习的医疗文本分类模型

医疗文本专业术语复杂,垂直领域训练样本不足,传统的分类方法不能满足现实需求,提出一种基于元学习的小样本文本分类模型提高医疗文本分类效率。该模型基于迁移学习思想,加入注意力机制赋予句子中的词语不同的权重,利用两个相互竞争的神经网络分别扮演领域识别者和元知识生成者的角色,通过自适应性网络加强元学习对新数据集的适应性,最后使用岭回归获得数据集的分类。实验对比分析结果验证了该模型对一些公开文本数据集和医疗文本数据具有很好的分类效果。基于元学习的小样本文本分类模型可以成功地应用在医疗文本分类领域。     

数据挖掘隐私保护在医疗信息系统中的思考

数据挖掘是指从大量的信息数据中,通过算法对隐藏其中的信息进行搜索的过程,在医疗信息系统中数据挖掘有着一定的问题,有泄露病人信息的可能.本文对数据挖掘隐私保护进行分析,并对医疗信息系统中信息的隐藏提出算法和流程.     

数据挖掘算法在医疗管理中的应用研究

数据挖掘是从海量数据当中挖掘出有价值知识的过程,统计学、机器学习、方式辨识、数据库等学科是数据挖掘的技术来源。文章主要阐述了数据挖掘算法的相关知识,分析了完成数据挖掘的核心技术,尤其是决策树算法,并对数据挖掘在医疗管理中的运用进行了研究,希望能为管理者对医疗管理数据的深入挖掘提供一些参考。     

基于云计算的医疗大数据的挖掘研究

随着新一代信息技术的发展,医疗行业产生了大量的数据。本文介绍了云计算和大数据的相辅相成,以及基于云计算的医疗大数据的数据特点,数据挖掘的技术、数据挖掘的应用。     

基于云计算与医疗大数据的Apriori算法优化

医疗数据的参考价值随着医疗技术的发展不断升高,很多临床研究人员将其目标放在医疗大数据中.面对如此庞大的医疗大数据规模,运用传统的储存容量已远远不能满足其数据运算的需求,云计算则可很好解决这个难题.而医疗大数据中所蕴含的信息量过大,将其蕴含信息量的重点提取出来是本次研究的重点.研究主要针对现有的医疗大数据引进了Apriori算法的优化运算,运用Mapreduce优化Apriori医疗数据挖掘算法对医疗大数据进行处理.     

云数据在数据挖掘中的隐私保护

云计算环境下用户数据的集中存储为数据挖掘提供了便利条件,同时也为用户的隐私保护带来了挑战。为了解决云数据在数据挖掘条件下的隐私保护问题,提出了云计算环境下的隐私保护模型。该模型以公有云为基础,增加了一个分类预处理模块,设定了分类标准,详细讨论了分类后数据的处理方法,并讨论了该模型下数据的检索、还原方法以及运行环境保护、数据的云端销毁等环节。最后对模型的复杂性及安全性进行理论的对比分析,证明了该模型在数据挖掘条件下对云数据隐私保护的有效性。     

聚类算法在医疗大数据上的应用研究

随着大数据技术的不断发展,医疗大数据的研究也成为我国医疗建设的重要一环,聚类能够挖掘出医疗大数据中潜在隐藏的信息,协助医生、医疗管理部门、科研所进行有效工作.研究分析聚类算法K-means和K-medoids在医疗大数据的应用,从优化聚类算法降低时间复杂度、对高维医疗大数据进行特征提取降低维度、通过并行处理平台加速医疗数据的处理速度方面出发,阐明聚类算法在医疗大数据的数据预处理、数据分类、疾病预测等方面都广泛的应用.随着并行处理平台的建设,聚类算法在医疗大数据的应用也将越来越广泛.     

基于概率论的隐私保持分类挖掘

在现有的基于数据扰动的隐私保持分类挖掘算法中,扰动数据和原始数据相关联,对隐私数据的保护并不完善,且扰动算法和分类算法耦合度高,不适合在实际中使用。为此,提出一种基于概率论的隐私保持分类挖掘算法。扰动后可得到一组与原始数据独立同分布的数据,使扰动数据和原始数据不再相互关联,各种分类算法也可直接应用于扰动后的数据。     

基于Rough Set的空间数据分类方法

近来,数据采掘的研究已从关系型和事务型数据库扩展到空间数据库.空间数据采掘是一个很有发展前景的领域,其中空间数据分类的研究尚处在起步阶段.该文分析和比较了现有的几个空间数据分类方法的利和弊,提出利用Rough Set的三阶段空间分类过程.实验结果表明,该算法对于解决包含不完整空间信息的问题是有效的.     

数据挖掘算法研究与综述

数据挖掘方法结合了机器学习、模式识别、统计学、数据库和人工智能等众多领域的知识,是解决从大量信息中获取有用知识、提供决策支持的有效途径,具有广泛的应用前景.以关联、分类、聚类归类,对当前数据挖掘的多种方法进行了研究,并指出其现存的问题.这些方法都有局限性,多方法融合、有机组合互补将成为数据挖掘的发展趋势.     

基于粗糙集和决策树的医学图像分类研究

根据医学图像数据的特性,提出一种基于粗糙集和决策树相结合的数据挖掘新方法。该方法利用粗糙集中基于属性重要性的离散化方法对医学图像特征进行离散化,采用粗糙集对其属性进行约简,得到低维训练数据,再用SLIQ决策树算法产生决策规则。实验表明：将粗糙理论与SLIQ相结合的数据挖掘方法既保留了原始数据的内部特点,同时剔除了与分类无关或关系不大的冗余特征,从而提高了分类的准确率和效率。     

医疗诊断系统中的数据预处理

针对长期积累的病历数据不仅数量庞大,记录方式、内容千差万别,而且噪声、缺省值大量存在的问题,提出了智能医疗诊断系统,利用以往的病历数据经过数据挖掘等技术来产生决策规则,以期为潜在的患者及早发现病情,获得早期诊治：总结了病历文本的记录内容和特点,对每一类的特点和形成原因进行了分析研究,并结合医疗诊断分别提出了针对它们的预处理方法,为下一步数据挖掘做好了准备。     

基于前缀集约束的临床路径挖掘算法

大量的研究表明,临床路径在提高医院运行效率上发挥了极大的作用,但是怎样方便快捷地找到某种疾病的临床路径是一个关键的问题.随着信息技术的发展,数据存储能力以及数据收集能力的提高,各大中型医院都积累了大量的临床诊疗数据,这为数据挖掘技术应用到临床路径发现提供了基础.在这篇文章中,我们把临床路径挖掘问题抽象成频繁序列模式挖掘问题,我们首次提出了临床路径前缀集的概念,并在此基础上提出了基于前缀集的临床路径挖掘算法CPM-PC （Clinical Pathways Mining with Prefix Constraints）,这个算法更适用于临床路径挖掘,挖掘出的序列模式有更强的医学意义,这个算法已经被应用到一个真实的数据集上并且取得良好的效果.     

聚类思想在贝叶斯算法中的应用

在数据挖掘过程中,缺损数据是不可避免的,因此,数据预处理是必不可少的前提工作。在传统的数据预处理工作中,朴素贝叶斯算法是最常用的缺损数据修补算法。然而,现实世界中的数据经常不满足其属性独立性假设,分类结果不令人满意。文章基于聚类分析思想,提出了一种改进的贝叶斯算法。对大量数据的计算结果表明此方法的合理性、可信度优于朴素贝叶斯算法。     

医学图像的关联规则挖掘方法研究

提出了一个基于关联规则挖掘算法的医学图像分析器。介绍了数量型属性离散化的CA算法、关联规则挖掘算法及其在医学图像数据挖掘中的应用方法,并利用介绍的算法对乳腺癌图像数据进行挖掘。实验结果表明,该模型系统达到了较高的分类准确率。     

基于贝叶斯理论的分类模式挖掘方法研究

分类规则可以挖掘出某些共同特性，是数据挖掘的重要方法之一。将贝叶斯理论应用于分类模式挖掘算法的设计中，可使分类的错误率最小，设计出更加完善的挖掘算法，从而提高数据挖掘的准确性和有效性。     

常减压装置生产数据的聚类分析

为了研究数据挖掘技术在过程工业数据中的应用,采用基于Bayes原理的AutoClass聚类算法,对炼油厂常减压装置实际生产数据进行了聚类分析处理。结果表明,经过聚类分析可以从历史数据记录中提取清晰的类别信息,其中包含有用的知识。同时还通过对比实验,分析了多个聚类参数对结果的影响及原因。最后分析了聚类结果,讨论了应用该结果的方法。