本文關(guān)鍵詞：基于Hadoop的中醫(yī)病案數(shù)據(jù)挖掘系統(tǒng)研究與設(shè)計(jì)　出處：《青島科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 中醫(yī)數(shù)據(jù)挖掘并行化 Apriori算法并行化 K近鄰算法 Webservice技術(shù)

【摘要】：現(xiàn)代科學(xué)技術(shù)的進(jìn)步與發(fā)展,加快了醫(yī)學(xué)信息的數(shù)字化,醫(yī)療系統(tǒng)包括中醫(yī)系統(tǒng)也在快速的健全和完備,隨之而來(lái)的是中醫(yī)病案數(shù)據(jù)量的急劇突增,如何利用這海量的中醫(yī)藥數(shù)據(jù)來(lái)防控疾病,診斷疾病,提供優(yōu)化方案,輔助診治,是當(dāng)前業(yè)內(nèi)專家高度關(guān)注的課題。傳統(tǒng)單機(jī)平臺(tái)下對(duì)大數(shù)據(jù)集的挖掘處理常受困于數(shù)據(jù)存儲(chǔ)和計(jì)算空間不足的窘境,其計(jì)算效率無(wú)法明顯提高。在此背景下,本文提出了基于Hadoop平臺(tái)的兩種中醫(yī)數(shù)據(jù)挖掘方案來(lái)處理龐大的中醫(yī)數(shù)據(jù),采用并行化Apriori算法對(duì)中藥、癥狀和證型混合數(shù)據(jù)進(jìn)行挖掘;采用并行化K近鄰分類算法對(duì)未知的癥狀群進(jìn)行分類,預(yù)測(cè)其歸屬證型。同時(shí)基于Hadoop平臺(tái)搭建了中醫(yī)病案數(shù)據(jù)挖掘系統(tǒng),主要研究?jī)?nèi)容如下。首先對(duì)兩種經(jīng)典數(shù)據(jù)挖掘算法進(jìn)行并行化改造,針對(duì)Apriori算法并行計(jì)算過(guò)程中會(huì)產(chǎn)生大量鍵值對(duì)以及節(jié)點(diǎn)IO頻繁讀寫(xiě)等不足之處,設(shè)計(jì)優(yōu)化方案,借助Hbase存儲(chǔ)中間過(guò)程數(shù)據(jù),同時(shí)以迭代組合遞歸的方式代替?zhèn)鹘y(tǒng)的自連接方式來(lái)產(chǎn)生候選項(xiàng)集,從而有效的提高迭代計(jì)算速率,加速頻繁項(xiàng)集的產(chǎn)生;對(duì)K近鄰算法進(jìn)行并行化設(shè)計(jì),對(duì)癥狀等級(jí)量化取值,并歸一化處理,減少由于癥狀域值不同對(duì)距離計(jì)算的影響,進(jìn)而更加客觀的對(duì)癥狀組進(jìn)行分類。然后在搭建好的Hadoop2.0集群中,利用并行化改造后的Apriori算法,對(duì)中醫(yī)哮喘病案數(shù)據(jù)進(jìn)行挖掘分析,獲得了中藥配伍規(guī)律、用藥與證型、癥狀的配伍規(guī)律以及癥狀與證型之間關(guān)聯(lián)關(guān)系,同時(shí)基于KNN分類算法對(duì)癥狀群進(jìn)行預(yù)測(cè)歸屬的證型。實(shí)驗(yàn)結(jié)果表明,其挖掘結(jié)果與理論基本匹配,具有一定的實(shí)際指導(dǎo)意義。最后系統(tǒng)借助Webservice技術(shù),實(shí)現(xiàn)以Hadoop集群作為服務(wù)端,以Swing技術(shù)構(gòu)建客戶端界面進(jìn)行交互的C/S架構(gòu)方案,建立基于Hadoop的中醫(yī)病案挖掘系統(tǒng)。該系統(tǒng)主要集成了集群配置、病案數(shù)據(jù)管理和數(shù)據(jù)挖掘三大功能模塊。通過(guò)對(duì)系統(tǒng)的各個(gè)功能模塊的測(cè)試,結(jié)果表明該系統(tǒng)具有良好的交互性和較完備的功能。
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R249;TP311.13

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張建英;何建成;;大數(shù)據(jù)在中醫(yī)學(xué)中應(yīng)用的可行性分析與展望[J];中華中醫(yī)藥雜志;2017年01期

2 夏中尚;杜正彩;鄧家剛;李楊;韋林W，

本文編號(hào)：1313577