数据挖掘在医疗中的应用

《数据挖掘在医疗中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中山大学硕士学位论文数据挖掘在医疗中的应用姓名：朱蔚恒申请学位级别：硕士专业：计算机软件与理论指导教师：印鉴2003.5.20数据挖掘在医疗中的应用摘要f数据挖掘是当前计算机学科的一个前沿研究方向。作为一门应用性很强的新兴技术，它存在很多值得研究的地方。如何合理的应用数据挖掘技术，如何针对现实生活中的问题改进数据挖掘技术是其中的热点问题。4／本文详细描述了一个所设计的面向医疗应用与研究的数据挖掘构件库的结构框架，然后针对目前关于量化关联规则挖掘算法的不足，提出了一个g婴：堕竺墓鎏，模拟医疗数据的结构和分布建立了一个测试用的数据库，最后使用这个

2、测试用数据库对算法进行了详尽的比较，实验结果表明QFP·tree在准确性方面比原来算法有很大的提高。√【关键词】数据挖掘、构件、量化、关联规则数据挖掘“：医疗中的应用ABSTRACTToday，DataMiningisoneofthemostpopulartechnologiesofcomputerscience．Asanewtechnology，thereexistmanyproblemsaboutdataminingtoberesearched．Howtouseitcorrectly，Howtomakeanapplication，andH

3、owtoimproveit，alltheseproblemsattractcomputerSCientist．Inthispaper，first，wedescribetheframeworkofadataminingcomponentdatabasethatisdevelopedformedicalapplication．Second，wepointouttheshortcomingoftheminingalgorithmforquantityassociationrule．Toovercometheshortcomingwedescribe

4、anewalgorithmcalledQFP—tree．Thenweanalogythemedicaldatabuiltupadatabaseanduseittocomparethenewalgorithmtotheoldone．OurexamshowthattheQFP—treeiSmoreaccuratethantheoldone．keywords：datamining，component，quantity，associationrule数据挖掘在医疗中的应用刖罱我们现在已经生活在一个网络化的时代，通信、计算机和网络技术正改变着整个人类和

5、社会。一方面，随着信息技术的发展，人们获取数据的能力越来越强。让我们来看一些身边俯拾即是的现象：《纽约时报》由60年代的10～20版扩张至现在的100～200版，最高曾达1572版：《北京青年报》也已是16～40版；市场营销报已达100版。然而在现实社会中，人均日阅读时间通常为30～45分钟，只能浏览一份24版的报纸。大量信息在给人们带来方便的同时也带来了一大堆问题：第一是信息过量，难以消化；第二是信息真假难以辨识；第三是信息安全难以保证；第四是信息形式不一致，难以统一处理。人们开始提出一个新的口号：“要学会抛弃信息”。人们开始考虑：“如何才

6、能不被信息淹没，而是从中及时发现有用的知识、提高信息利用率?”另一方面，随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但知识贫乏”的现象。面对这一挑战，数据挖掘(DataMining)技术应运而生，并显示出强大的生命力。数据挖掘一面世就以

7、其强大的实用性得到了人们的认同。美国财富杂志500强之一的第一数据公司(FirstDataCorp．)就在为第一国家银行(FirstNationalBank)、美国在线交易(Ameritradeh01dingCo．)、奥马哈保险公司(MutualofOmahaCo．)等著名的金融证券和保险公司提供数据挖掘的产品服务，这些企业在风险控制、挖掘客户、降低成本方面的年收益数以亿计。加拿大BC省电话公司要求加拿大SimonFraser大学KDD研究组，根据其拥有十多年的客户数据，总结、分析并提出新的电话收费和管理办法，制定既有利于公司又有利于客户的优

8、惠政策。美国著名NBA篮球队的教练，利用某公司提供的数据挖掘技术，临场决定替换队员，一度在数据库界被传为佳话。虽然数据挖掘技术已被广泛接受，但如何合理的应用数据挖掘