智能化時(shí)代,隨著醫(yī)療技術(shù)的飛速發(fā)展和醫(yī)療物聯(lián)網(wǎng)應(yīng)用的日益普及,產(chǎn)生了海量的醫(yī)學(xué)數(shù)據(jù)。與此同時(shí),醫(yī)療行為越來(lái)越依靠于對(duì)數(shù)據(jù)的判斷,這就需要從海量的診療數(shù)據(jù)中挖掘出有價(jià)值的信息。因此設(shè)計(jì)適用于海量診療數(shù)據(jù)的數(shù)據(jù)挖掘方法就尤為重要。膜計(jì)算,又稱為P系統(tǒng),是從活細(xì)胞的組織和結(jié)構(gòu)抽象出來(lái)的一類具有非確定性和極大并行性的智能仿生計(jì)算模型,特別適合處理海量數(shù)據(jù)。因此,本文提出膜聚類算法和膜關(guān)聯(lián)規(guī)則算法,并將其應(yīng)用于卒中危險(xiǎn)因素高危模式的發(fā)現(xiàn)和卒中病人群落的劃分。所做的主要工作包括以下內(nèi)容:1.提出基于類細(xì)胞P系統(tǒng)的互k近鄰圖聚類算法—PICP-MkNNG算法為了在不預(yù)設(shè)簇?cái)?shù)目的前提下,有效識(shí)別具有任意形狀和密度不均勻的簇,本文將傳統(tǒng)的互k近鄰聚類算法（MkNN）和圖理論相結(jié)合,提出了互k近鄰圖聚類算法--MkNNG。該算法認(rèn)為互為k近鄰的點(diǎn)彼此連接,形成連通子圖,同一個(gè)連通子圖中的點(diǎn)相對(duì)靠近,被聚在同一個(gè)簇中,而非連通子圖中的點(diǎn)相對(duì)疏遠(yuǎn),被聚為不同的簇。為了提高M(jìn)kNNG算法的效率,使之能夠處理海量數(shù)據(jù),基于P系統(tǒng)的非確定性和極大并行性,本文設(shè)計(jì)了含多促進(jìn)劑和抑制劑的類細(xì)胞P系統(tǒng)—PICP系統(tǒng)。提出... 

【文章來(lái)源】：山東師范大學(xué)山東省

【文章頁(yè)數(shù)】：132 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 相關(guān)概念及研究進(jìn)展
        1.2.1 膜計(jì)算及研究進(jìn)展
        1.2.2 聚類分析及研究進(jìn)展
        1.2.3 關(guān)聯(lián)規(guī)則及研究進(jìn)展
        1.2.4 醫(yī)療數(shù)據(jù)挖掘研究進(jìn)展
    1.3 研究?jī)?nèi)容與組織結(jié)構(gòu)
        1.3.1 研究?jī)?nèi)容
        1.3.2 論文創(chuàng)新點(diǎn)
        1.3.3 論文組織結(jié)構(gòu)
第二章 基于類細(xì)胞P系統(tǒng)的互k近鄰圖聚類算法
    2.1 互k近鄰圖聚類算法
        2.1.1 互k近鄰圖定義
        2.1.2 MkNNG算法聚類過(guò)程
    2.2 PICP-MkNNG聚類算法
        2.2.1 PICP系統(tǒng)
        2.2.2 PICP-MkNNG系統(tǒng)結(jié)構(gòu)和規(guī)則
        2.2.3 規(guī)則執(zhí)行過(guò)程
        2.2.4 時(shí)間復(fù)雜度分析
    2.3 實(shí)驗(yàn)與分析
        2.3.1 實(shí)例測(cè)試
        2.3.2 實(shí)驗(yàn)
        2.3.3 參數(shù)討論
    2.4 本章小結(jié)
第三章 基于類組織P系統(tǒng)的共享近鄰圖聚類算法
    3.1 共享近鄰圖聚類算法
        3.1.1 共享近鄰圖定義
        3.1.2 SNNG算法聚類過(guò)程
    3.2 PITP-SNNG聚類算法
        3.2.1 PITP系統(tǒng)
        3.2.2 PITP-SNNG系統(tǒng)結(jié)構(gòu)和規(guī)則
        3.2.3 規(guī)則執(zhí)行過(guò)程
        3.2.4 時(shí)間復(fù)雜度分析
    3.3 實(shí)驗(yàn)與分析
        3.3.1 實(shí)例測(cè)試
        3.3.2 實(shí)驗(yàn)
        3.3.3 參數(shù)討論
    3.4 本章小結(jié)
第四章 基于類組織P系統(tǒng)的最大頻繁項(xiàng)集挖掘算法
    4.1 Pincer-Search算法
        4.1.1 最大頻繁項(xiàng)集
        4.1.2 Pincer-Search算法挖掘過(guò)程
    4.2 PITP-PS算法
        4.2.1 PITP-PS系統(tǒng)結(jié)構(gòu)和規(guī)則
        4.2.2 規(guī)則執(zhí)行過(guò)程
        4.2.3 時(shí)間復(fù)雜度分析
    4.3 實(shí)例測(cè)試
    4.4 本章小結(jié)
第五章 基于類組織P系統(tǒng)的多最小支持度關(guān)聯(lián)規(guī)則算法
    5.1 MS-Apriori算法
        5.1.1 多最小支持度的定義
        5.1.2 MS-Apriori算法挖掘過(guò)程
    5.2 PITP-MSApriori算法
        5.2.1 PITP-MSApriori系統(tǒng)結(jié)構(gòu)和規(guī)則
        5.2.2 規(guī)則執(zhí)行過(guò)程
        5.2.3 時(shí)間復(fù)雜度分析
    5.3 實(shí)例測(cè)試
    5.4 本章小結(jié)
第六章 基于類組織P系統(tǒng)的最大模式子空間聚類算法
    6.1 MFIS算法
        6.1.1 獲得各一維基本簇
        6.1.2 子空間聚類
    6.2 PITP-MFIS算法
        6.2.1 PITP-MFIS系統(tǒng)結(jié)構(gòu)和規(guī)則
        6.2.2 規(guī)則執(zhí)行過(guò)程
        6.2.3 時(shí)間復(fù)雜度分析
    6.3 實(shí)驗(yàn)與分析
        6.3.1 實(shí)例測(cè)試
        6.3.2 實(shí)驗(yàn)
        6.3.3 參數(shù)討論
    6.4 本章小結(jié)
第七章 基于P系統(tǒng)的卒中危險(xiǎn)因素高危模式發(fā)現(xiàn)及病人群落劃分
    7.1 基于PITP-PS算法的卒中危險(xiǎn)因素高危模式發(fā)現(xiàn)
        7.1.1 資料來(lái)源
        7.1.2 數(shù)據(jù)預(yù)處理
        7.1.3 基于PITP-PS發(fā)現(xiàn)卒中危險(xiǎn)因素高危組合模式
        7.1.4 結(jié)果及討論
    7.2 基于PITP-MFIS算法的卒中病人群落劃分
        7.2.1 數(shù)據(jù)預(yù)處理
        7.2.2 基于PITP-MFIS的卒中病人群落劃分
        7.2.3 結(jié)果及討論
    7.3 本章小結(jié)
第八章 總結(jié)與展望
    8.1 總結(jié)
    8.2 進(jìn)一步工作計(jì)劃
參考文獻(xiàn)
攻讀博士學(xué)位期間的科研成果目錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]A Linear-Time Solution for All-SAT Problem Based on P System[J]. GUO Ping,ZHU Jian,CHEN Haizhu,YANG Ruilong.  Chinese Journal of Electronics. 2018(02)
[2]基于差分進(jìn)化膜計(jì)算的MMC-HVDC控制參數(shù)優(yōu)化[J]. 袁鷹,衛(wèi)志農(nóng),陳洪濤,孫國(guó)強(qiáng),孫永輝.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2017(07)
[3]A Fault Diagnosis Method of Power Systems Based on an Improved Adaptive Fuzzy Spiking Neural P Systems and PSO Algorithms[J]. WANG Jun,PENG Hong,TU Min,Prez-Jimnez J. Mario,SHI Peng.  Chinese Journal of Electronics. 2016(02)
[4]Enhancing the Simulation of Membrane System on the GPU for the N-Queens Problem[J]. Ravie Chandren Muniyandi,Ali Maroosi.  Chinese Journal of Electronics. 2015(04)
[5]Solving All-SAT Problems by P Systems[J]. GUO Ping,JI Jinfang,CHEN Haizhu,LIU Ran.  Chinese Journal of Electronics. 2015(04)
[6]一種帶混合進(jìn)化機(jī)制的膜聚類算法[J]. 彭宏,蔣洋,王軍,Mario J.PEREZ-JIMENEZ.  軟件學(xué)報(bào). 2015(05)
[7]基于信息流動(dòng)分析的動(dòng)態(tài)社區(qū)發(fā)現(xiàn)方法[J]. 索勃,李戰(zhàn)懷,陳群,王忠.  軟件學(xué)報(bào). 2014(03)
[8]關(guān)聯(lián)規(guī)則研究及在中風(fēng)診治中的應(yīng)用分析[J]. 孫秀麗,姜學(xué)永,李明.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(09)
[9]含十八反藥對(duì)半夏與烏頭類復(fù)方的組方配伍特點(diǎn)分析[J]. 李文林,程茜,唐于平,段金廒,尚爾鑫,范欣生.  中國(guó)中醫(yī)藥信息雜志. 2010(06)
[10]一種改進(jìn)的Chameleon算法[J]. 龍真真,張策,劉飛裔,張正文.  計(jì)算機(jī)工程. 2009(20)

博士論文
[1]膜計(jì)算優(yōu)化方法研究[D]. 黃亮.浙江大學(xué) 2007

碩士論文
[1]基于膜系統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法研究[D]. 魏菲.山東師范大學(xué) 2016



本文編號(hào)：3455574