體檢系統(tǒng)中基于粗糙集的決策樹(shù)算法研究.pdf

1、本文研究了基于粗糙集的決策樹(shù)技術(shù)在體檢系統(tǒng)中的應(yīng)用。針對(duì)體檢信息的特點(diǎn)，將粗糙集理論和決策樹(shù)技術(shù)相結(jié)合，給出了一種變精度分支匯總粗糙度決策模型。首先分析對(duì)比較為成熟的屬性約簡(jiǎn)算法的優(yōu)缺點(diǎn)，提出論域縮減的方法。把討論對(duì)象的數(shù)量變化納入到計(jì)算過(guò)程，考慮約簡(jiǎn)集合中屬性增減的同時(shí)，刪除依據(jù)該屬性能夠正確分類(lèi)的對(duì)象，避免冗余計(jì)算，達(dá)到提高約簡(jiǎn)效率的效果。 在上述基礎(chǔ)上結(jié)合體檢診斷的特點(diǎn)提出基于變精度分支匯總粗糙度的決策樹(shù)算法。大量基于粗糙

2、集理論的決策樹(shù)算法只是考慮當(dāng)前候選屬性之間的信息包含度，沒(méi)有考慮把候選屬性放到整個(gè)決策過(guò)程所產(chǎn)生的影響，因此，容易引起局部最佳問(wèn)題，本文綜合分離屬性的每個(gè)劃分對(duì)整個(gè)分類(lèi)的貢獻(xiàn)程度，把每個(gè)分支貢獻(xiàn)度匯集成該屬性的分支匯總粗糙度，以此作為分離屬性選擇標(biāo)準(zhǔn)，避免了局部最佳效應(yīng)。為了更好的解決泛化問(wèn)題，提高分類(lèi)能力，引入變精度粗糙集模型，引入誤差參數(shù)B，允許在對(duì)實(shí)例進(jìn)行劃分時(shí)存在一定的分類(lèi)誤差，在分類(lèi)精度和泛化能力之間進(jìn)行靈活調(diào)整。 隨

3、著人們生活水平的提高，體檢成為一門(mén)新興的朝陽(yáng)產(chǎn)業(yè)，研究適用于體檢的輔助診斷系統(tǒng)，提高體檢資源的利用率具有廣闊的應(yīng)用背景。現(xiàn)代生活給人們帶來(lái)很多身體問(wèn)題，處于‘亞健康’中的人群體檢中臨床癥狀不像醫(yī)療診斷中那么明顯，必須綜合考慮整個(gè)身體情況，即全局性。分支匯總的概念很好的解決了這個(gè)問(wèn)題，其綜合考慮全局性的特點(diǎn)避免了針對(duì)單個(gè)臨床癥狀所帶來(lái)的偏差。另一方面體檢確診界定比較模糊，對(duì)于某些客戶(hù)的狀況以嚴(yán)格的醫(yī)學(xué)標(biāo)準(zhǔn)不構(gòu)成疾病，同時(shí)也達(dá)不到健康標(biāo)準(zhǔn)，