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

1、關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘技術(shù)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(xiàng)之間的相關(guān)關(guān)系。由于挖掘產(chǎn)生的規(guī)則形式簡(jiǎn)單、易于理解，關(guān)聯(lián)規(guī)則技術(shù)的研究和應(yīng)用得到了蓬勃發(fā)展。
　　中國(guó)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(yù)防和管控慢性病提供科學(xué)依據(jù)，本文選取了慢性病之一的高血壓進(jìn)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(fēng)險(xiǎn)水平之間的相關(guān)性，以及高血壓與其他慢性病之間的關(guān)聯(lián)性，重點(diǎn)完成了以下工作:

2、>　　(1)查閱國(guó)內(nèi)外相關(guān)文獻(xiàn)，分析了數(shù)據(jù)挖掘技術(shù)在慢性病等醫(yī)療領(lǐng)域的研究現(xiàn)狀，總結(jié)了中國(guó)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(nèi)容及路線。
　　(2)對(duì)數(shù)據(jù)挖掘技術(shù)及關(guān)聯(lián)規(guī)則的相關(guān)理論進(jìn)行闡述，重點(diǎn)研究了關(guān)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(jìn)拓寬了思路。
　　(3)針對(duì)Apriori算法運(yùn)行效率上的缺陷，進(jìn)行如下改進(jìn):采用聚簇矩陣壓縮存儲(chǔ)事務(wù)數(shù)

3、據(jù)庫(kù)，避免多次掃描原有的事務(wù)庫(kù);引入事先剪枝策略以產(chǎn)生較少候選項(xiàng)集，避免頻繁項(xiàng)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(xiàng)目集和無關(guān)規(guī)則的產(chǎn)生。最后通過Matlab仿真實(shí)驗(yàn)對(duì)比分析，證明了改進(jìn)算法能夠有效降低候選項(xiàng)目集的數(shù)量，并提高運(yùn)行效率。
　　(4)設(shè)計(jì)慢性病數(shù)據(jù)挖掘方案，將改進(jìn)的Apriori算法應(yīng)用到對(duì)高血壓患者的體檢數(shù)據(jù)處理中。對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，設(shè)置最小支持度和置信度閾值，給定約束和相關(guān)度等條件，進(jìn)行關(guān)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(guān)性，將分析結(jié)果與數(shù)據(jù)挖掘產(chǎn)生的規(guī)則對(duì)照，發(fā)現(xiàn)兩種方法產(chǎn)生的結(jié)果相吻合，證實(shí)了實(shí)驗(yàn)的有效性。實(shí)驗(yàn)最終挖掘出符合醫(yī)學(xué)規(guī)律的關(guān)聯(lián)規(guī)則，通過它們可以準(zhǔn)確判斷高血壓患者的心血管風(fēng)險(xiǎn)水平，預(yù)估所患慢性病的并發(fā)癥，為醫(yī)生的診斷提供了有價(jià)值的參考，為實(shí)現(xiàn)自動(dòng)化判診提供了理論研究基礎(chǔ)。
　　(5)開發(fā)了慢性病數(shù)據(jù)挖掘系統(tǒng)，并將改進(jìn)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