改進的關聯(lián)規(guī)則算法在慢性病數(shù)據(jù)挖掘中的研究.pdf

1、關聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘技術重要的研究分支，其目的是從大量數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)項之間的相關關系。由于挖掘產(chǎn)生的規(guī)則形式簡單、易于理解，關聯(lián)規(guī)則技術的研究和應用得到了蓬勃發(fā)展。
　　中國慢性病患者人數(shù)眾多。為了有效利用慢性病患者的醫(yī)療數(shù)據(jù)，為預防和管控慢性病提供科學依據(jù)，本文選取了慢性病之一的高血壓進行數(shù)據(jù)挖掘方面的研究。本文主要探究高血壓患者體征與心血管風險水平之間的相關性，以及高血壓與其他慢性病之間的關聯(lián)性，重點完成了以下工作:

2、>　　(1)查閱國內外相關文獻，分析了數(shù)據(jù)挖掘技術在慢性病等醫(yī)療領域的研究現(xiàn)狀，總結了中國現(xiàn)階段在醫(yī)療數(shù)據(jù)分析中存在的問題，確立了論文研究的主要內容及路線。
　　(2)對數(shù)據(jù)挖掘技術及關聯(lián)規(guī)則的相關理論進行闡述，重點研究了關聯(lián)規(guī)則挖掘中的Apriori算法，分析了該算法在性能方面的瓶頸，并探討了現(xiàn)有的優(yōu)化方法，為算法的改進拓寬了思路。
　　(3)針對Apriori算法運行效率上的缺陷，進行如下改進:采用聚簇矩陣壓縮存儲事務數(shù)

3、據(jù)庫，避免多次掃描原有的事務庫;引入事先剪枝策略以產(chǎn)生較少候選項集，避免頻繁項目集的大量連接的開銷;添加慢性病類型這一約束條件，減少頻繁項目集和無關規(guī)則的產(chǎn)生。最后通過Matlab仿真實驗對比分析，證明了改進算法能夠有效降低候選項目集的數(shù)量，并提高運行效率。
　　(4)設計慢性病數(shù)據(jù)挖掘方案，將改進的Apriori算法應用到對高血壓患者的體檢數(shù)據(jù)處理中。對數(shù)據(jù)進行預處理，設置最小支持度和置信度閾值，給定約束和相關度等條件，進行關聯(lián)

4、規(guī)則挖掘。利用Logistic回歸分析方法，探究慢性病之間的相關性，將分析結果與數(shù)據(jù)挖掘產(chǎn)生的規(guī)則對照，發(fā)現(xiàn)兩種方法產(chǎn)生的結果相吻合，證實了實驗的有效性。實驗最終挖掘出符合醫(yī)學規(guī)律的關聯(lián)規(guī)則，通過它們可以準確判斷高血壓患者的心血管風險水平，預估所患慢性病的并發(fā)癥，為醫(yī)生的診斷提供了有價值的參考，為實現(xiàn)自動化判診提供了理論研究基礎。
　　(5)開發(fā)了慢性病數(shù)據(jù)挖掘系統(tǒng)，并將改進的Apriori算法融入。系統(tǒng)能夠探究慢性病醫(yī)療數(shù)據(jù)背后