【摘要】：隨著互聯(lián)網(wǎng)通信技術迅猛的發(fā)展,醫(yī)療行業(yè)聚集了海量的結構化和非結構化數(shù)據(jù)。這些數(shù)據(jù)中潛在的有價值信息不能通過簡單的收集或統(tǒng)計分析來獲得,因此可以借助相關數(shù)據(jù)挖掘技術來探索醫(yī)療數(shù)據(jù)之間內在聯(lián)系和發(fā)現(xiàn)對醫(yī)療診斷有幫助的知識。本文研究了關聯(lián)規(guī)則算法并做了相關改進來提取急性炎癥醫(yī)療數(shù)據(jù)中隱藏的疾病與癥狀的關聯(lián)關系,為醫(yī)療診斷提供輔助決策。課題的研究內容主要有以下三個方面:(1)針對傳統(tǒng)基于支持度-置信度的關聯(lián)規(guī)則挖掘框架存在的缺陷,提出了基于相關興趣度的關聯(lián)規(guī)則算法IItemMine_AC(ItemSetItem association correlation)。實驗證明,該算法提高了所生成關聯(lián)規(guī)則的質量,且其相關度量具有很好的剪枝效果。(2)針對單機處理和存儲大數(shù)據(jù)時計算能力和內存空間的限制,實現(xiàn)了基于Spark集群的分布式并行計算。實驗證明,分布式并行計算具有優(yōu)越的時效性和可擴展性。(3)在相關興趣度的關聯(lián)規(guī)則挖掘算法和Spark的基礎上,構建針對急性炎癥的醫(yī)療輔助診斷系統(tǒng)。通過來自UCI的數(shù)據(jù)集對系統(tǒng)進行測試,證明了系統(tǒng)的有效性和可行性。
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP311.13;R364.5
【圖文】：

鮮

本文編號：2774370