心臟病是一種十分常見的高發(fā)性疾病,主要的疾病類型有風濕性心臟病、先天性心臟病、高血壓心臟病、心肌炎、冠心病等,心臟病已經成為導致人類死亡的主要因素之一�，F在心臟病的病發(fā)率普遍的年輕化趨勢不由得引起醫(yī)學研究的重視。由于心臟病的病理種類十分繁多、影響其變化因素也是多種多樣,如何能提高心臟病的醫(yī)療診斷,并對其進行更早的干預與治療是急需解決的問題。隨著心臟病醫(yī)療診斷系統(tǒng)的研究越來越受到各界人士的廣泛關注,對于心臟病的研究也成為各個學科交叉研究的熱門研究領域。通過對各方面的資料了解,基于數據挖機技術的數據挖掘算法中的分類算法對于心臟病醫(yī)療診斷系統(tǒng)的研究眾多,主要集中在神經網絡算法、支持向量機算法等。論文在這兩種算法的基礎上增加了決策樹算法與其相對比,參考三種經典分類算法的優(yōu)劣,提出優(yōu)化的分類算法Co-Svm。基于在數據挖掘算法建立心臟病診斷分類器,旨在心臟病診斷問題上,探究這四種算法究竟哪一種更加適用,并進行優(yōu)化。對心臟病的病因、影響因素及獲取的數據進行簡要的說明,由此可知數據的準確性與科學性,進一步提升了創(chuàng)建心臟病臨床診斷模型的真實性與可靠性。進行數字化的數據信息處理、針對四種不同數據的有效挖... 

【文章來源】：內蒙古財經大學內蒙古自治區(qū)

【文章頁數】：58 頁

【學位級別】：碩士

【部分圖文】：

各省心臟病的患病情況分布

全國心臟病健康指數

圖 2-1 數據挖掘實施流程圖步驟一：業(yè)務理解。對于業(yè)務理解有很多誤解，業(yè)務理解的實質就是要先確定要實施數據挖掘的問題和想要得到的目標。一般的過程是先要進行業(yè)務的調研理解明確問題的定位、制定相應的目標、最后進行業(yè)務的分析。只有全面的理解了業(yè)務法才能準確有效的進行實施。

【參考文獻】：
期刊論文
[1]急性心肌梗死病人應用五級法早期康復的護理價值[J]. 王萍.  世界最新醫(yī)學信息文摘. 2018(A1)
[2]關聯規(guī)則優(yōu)化的心臟疾病誘發(fā)因素檢測算法[J]. 毛頡,王紅玉.  控制工程. 2017(06)
[3]基于深度學習的疾病診斷[J]. 陸家發(fā),張國明,陳安琪.  醫(yī)學信息學雜志. 2017(04)
[4]數據缺失情況下基于支持向量機的心臟病診斷[J]. 陳將宏,萬華艦,張清河.  數學的實踐與認識. 2017(02)
[5]海量醫(yī)學數據中的特定數據挖掘模型仿真分析[J]. 李翠霞,王有為.  計算機仿真. 2016(08)
[6]大數據背景下醫(yī)學數據挖掘的研究進展及應用[J]. 秦文哲,陳進,董力.  中國胸心血管外科臨床雜志. 2016(01)
[7]中國成人的心血管健康狀況[J]. 李學永.  中國循證心血管醫(yī)學雜志. 2015(03)
[8]一個廣義三次樣條光滑半監(jiān)督支持向量機[J]. 張曉丹,馬菁改.  工程科學學報. 2015(03)
[9]數據挖掘技術在心臟病診斷建模中的應用研究[J]. 邵峰峰.  福建電腦. 2015(02)
[10]支持向量機在心臟病數據分析中的應用[J]. 葛廣為,王元亮.  現代計算機(專業(yè)版). 2015(06)

博士論文
[1]綜合性醫(yī)院醫(yī)學檢驗資源優(yōu)化管理研究[D]. 張波.第三軍醫(yī)大學 2016
[2]先天性心臟病標記物組關系模型的建立及其血清因子與易感基因關聯的GO功能解析[D]. 劉敏.鄭州大學 2015
[3]基于數據耕種與數據挖掘的系統(tǒng)效能評估方法研究[D]. 鞠儒生.國防科學技術大學 2006

碩士論文
[1]基于數據挖掘技術對心臟病診斷的研究[D]. 岳千.陜西科技大學 2018
[2]基于特征選擇的醫(yī)學圖像分類方法及其應用研究[D]. 郭凱文.長春工業(yè)大學 2017
[3]三種機器學習方法在冠心病篩查中的比較研究[D]. 逄凱.吉林大學 2016
[4]基于DTW的冠心病舒張期信號特征提取研究[D]. 邵丹.西華大學 2015
[5]基于人群搜索—支持向量機的心臟病多生理參數診斷方法研究[D]. 董慧康.河北工業(yè)大學 2015
[6]醫(yī)療費用支付影響因素差異性研究[D]. 韓江霞.吉林大學 2014
[7]基于神經網絡的數據挖掘分類算法比較和分析研究[D]. 常凱.安徽大學 2014
[8]基于學習的心臟病理識別技術研究[D]. 陶泳任.浙江大學 2014
[9]基于變量加權的核函數的SVM及其應用研究[D]. 胡蕾.湖南大學 2013
[10]粒子群優(yōu)化算法及支持向量機應用研究[D]. 徐水華.廣西民族大學 2011



本文編號：3277865