数据挖掘在医学诊断规则提取中的应用研究

论文摘要

随着科学技术的迅猛发展,各种先进的医疗检测设备不断涌现,医院信息化建设也在不断完善,为我们积累了大量珍贵的医学资料。然而,面对如此海量的数据,仅凭专家、医生的个人能力已不足以充分分析、总结蕴涵在其中的知识以辅助诊断。而数据挖掘作为一种知识获取技术以其本身的特性解决了知识自动获取这一难题,并充分利用了医疗信息化平台积累的大量数据;因而将数据挖掘技术引入计算机辅助医学诊断系统,实现知识的自动获取,将会极大的推动计算机辅助医学诊断的发展,形成一个具有广阔发展前景的领域。本文首先对数据挖掘技术做了概述,并对其中的关联规则做了详细分析。针对实际医学数据多为多值的情况,对原有布尔关联算法做了改进,得到针对多值属性的关联规则挖掘方法。该方法是受粗糙集区分矩阵思想的启发,先给出相似属性集合矩阵的概念并构造相似矩阵,然后遍历该矩阵得到候选频繁项及其所属事务集合,最终产生关联规则;这样无须进行多值到布尔值类型的转化,即可直接应用于多值属性的关联规则挖掘。由于在求解候选频繁项的同时也得到其所属事务集合,于是在数据内容发生变化时,只需要对增量部分数据进行挖掘,并修改相应候选频繁项所属的事务集合,即可求得变化后数据集下的频繁项,进而求出关联规则,形成一种增量式关联规则更新算法:这样在无需对全部数据集重新操作的情况下求得关联规则,提高了效率;实现了快速、准确的增量式关联挖掘,并从理论和实验两个方面验证了算法的有效性。最后,构建了一个用于医学诊断的数据挖掘规则提取平台,并对该平台从分析、设计到实现做了详细的描述。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景
• 1.2 国内外发展现状
• 1.3 课题的意义和主要研究内容
• 1.3.1 课题的意义
• 1.3.2 课题主要内容
• 2 数据挖掘概述
• 2.1 数据挖掘的的定义
• 2.2 数据挖掘的过程
• 2.2.1 数据挖掘环境
• 2.2.2 数据挖掘过程
• 2.3 数据挖掘的主要功能
• 2.4 数据挖掘的应用现状
• 2.5 本章小结
• 3 关联规则研究
• 3.1 关联规则
• 3.1.1 关联规则的定义
• 3.1.2 关联规则的分类
• 3.1.3 关联规则的挖掘方法
• 3.1.4 关联规则挖掘的基本步骤
• 3.2 Apriori算法
• 3.2.1 Apriori算法性质
• 3.2.2 Apriori算法过程
• 3.2.3 算法性能分析
• 3.3 Qarmasm算法研究
• 3.3.1 多值属性关联规则及其传统挖掘算法
• 3.3.2 Qarmasm算法相关定义及性质
• 3.3.3 Qarmasm算法思想及描述
• 3.3.4 Qarmasm算法复杂性分析
• 3.3.5 Qarmasm算法实现与分析
• 3.3.6 结论
• 3.4 EIUAQAR算法研究
• 3.4.1 增量式关联规则分析及问题描述
• 3.4.2 最小支持度发生变化时的关联规则增量式更新
• 3.4.3 事务数据库发生变化时关联规则的增量式更新
• 3.4.4 算例说明和算法分析
• 3.4.5 结论
• 3.5 本章小结
• 4 规则提取系统的分析与设计
• 4.1 系统分析
• 4.1.1 系统设计目标
• 4.1.2 系统需求分析
• 4.2 系统设计
• 4.2.1 系统逻辑结构图
• 4.2.2 系统功能模块及其分析
• 4.2.3 系统流程图
• 4.2.4 数据库设计
• 4.2.5 系统接口
• 4.3 本章小结
• 5 规则提取系统的实现
• 5.1 功能模块实现
• 5.1.1 数据载入
• 5.1.2 数据预处理
• 5.1.3 规则挖掘
• 5.1.4 规则约简
• 5.1.5 结果解释
• 5.2 本章小结
• 6 总结与展望
• 致谢
• 参考文献
• 在校学习期间发表的论文