醫(yī)療數(shù)據(jù)的離群點檢測方法研究.pdf

1、離群點檢測是數(shù)據(jù)挖掘領(lǐng)域一個重要的研究方向，用于揭示隱藏在數(shù)據(jù)中的重要信息，尤其在醫(yī)療診斷，入侵檢測網(wǎng)絡(luò)，信用卡欺詐，傳感器敏感事件檢測，地球科學(xué)等領(lǐng)域被廣泛應(yīng)用。而由于人眼只擅長處理二維或者三維的可視數(shù)值數(shù)據(jù)，所以利用人眼發(fā)現(xiàn)高維數(shù)據(jù)集中的離群點往往是比較困難的。因此我們對離群點檢測技術(shù)深入研究是必要的。
　　針對醫(yī)療診斷數(shù)據(jù)的離群點檢測方法進(jìn)行了深入分析與仿真實驗研究，取得了具有理論意義和應(yīng)用價值的結(jié)果。
　　首先，針對

2、給定的醫(yī)療數(shù)據(jù)集中離群點顯著地偏離數(shù)據(jù)集中的其余對象，本文提出一種基于平均距離和平均密度的離群點檢測的改進(jìn)方法。該方法對數(shù)據(jù)集進(jìn)行全局離群點檢測，并利用平均距離求得每個數(shù)據(jù)對象的平均密度，隨后計算平均鄰域鄰居數(shù)進(jìn)行數(shù)據(jù)劃分，最后用選擇算法對數(shù)據(jù)對象進(jìn)行篩選。
　　其次，針對數(shù)據(jù)集中離群點局部遠(yuǎn)離數(shù)據(jù)集的大多數(shù)，本文提出了一種基于圖論的離群點檢測的改進(jìn)方法。該方法使用平均距離作為權(quán)重來度量每個數(shù)據(jù)對象的累積入度值，并通過特定的閾值T

3、來劃分疑似離群點數(shù)據(jù)集，最后用選擇算法對數(shù)據(jù)對象進(jìn)行篩選。
　　第三，針對數(shù)據(jù)集離散分布的特點，本文提出了一種基于K-S雙樣本檢驗的離群點檢測的改進(jìn)方法。該方法基于采用兩個新的累積分布函數(shù)來檢驗，分別是來自數(shù)據(jù)集同一數(shù)據(jù)對象的K個最鄰近距離的累積分布函數(shù)以及這K個點的兩兩距離的累積分布函數(shù)，分析它們的相似程度來判斷它們是否屬于同一分布。
　　仿真實驗表明，三種離群點算法的改進(jìn)都能針對特定的醫(yī)療數(shù)據(jù)集進(jìn)行準(zhǔn)確度為80％以上的離