分類問題是現(xiàn)實生活中廣泛存在的問題。在醫(yī)藥領(lǐng)域,分類問題在醫(yī)學(xué)輔助診斷、藥品不良反應(yīng)檢測等方面也大量存在。良好的分類算法可有效解決醫(yī)藥領(lǐng)域上所出現(xiàn)的問題,可較好的應(yīng)用于輔助決策診斷、個性化用藥、精準(zhǔn)醫(yī)療等方面。分類是根據(jù)數(shù)據(jù)集的特點構(gòu)造一個分類器,利用分類器對未知類別的樣本賦予類別的一種技術(shù)。目前的分類算法多種多樣,不同的分類算法會產(chǎn)生不同的分類器,分類器的適應(yīng)性直接影響最終分類結(jié)果的效率與準(zhǔn)確性。因此在面對復(fù)雜的醫(yī)藥數(shù)據(jù)時,選擇適宜于醫(yī)藥數(shù)據(jù)分類算法是至關(guān)重要的。目前基于醫(yī)藥學(xué)數(shù)據(jù)的分類算法對比分析的研究尚不多見。為彌補這一不足,本文運用乳腺癌數(shù)據(jù),對分類問題進(jìn)行了深入的研究,并基于模型性能,分析比較了各種算法的特性。在實際UCI數(shù)據(jù)上的對比分析中發(fā)現(xiàn),SVM在多個性能指標(biāo)上都能取得較好的效果,但同時其模型復(fù)雜度也較高,采用了49個支持向量,利用高維空間映射降低相關(guān)性。CART算法只通過三個變量來構(gòu)建決策樹模型,獲得了較高的特異度,體現(xiàn)了醫(yī)療數(shù)據(jù)相關(guān)性高的特點。KNN模型則擁有最優(yōu)異的精度。樸素貝葉斯方法所構(gòu)造的模型性能較差,主要因為因變量獨立性的條件難以得到滿足。但從總體結(jié)果來看,... 

【文章來源】：廣東藥科大學(xué)廣東省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 研究目的與意義
    1.3 研究內(nèi)容與論文結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
第二章 分類方法及應(yīng)用概述
    2.1 分類方法簡介
        2.1.1 分類的定義
        2.1.2 分類的目的
        2.1.3 分類的基本步驟
    2.2 分類方法在醫(yī)藥數(shù)據(jù)中的應(yīng)用
        2.2.1 決策樹歸納的應(yīng)用
        2.2.2 神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用
        2.2.3 支持向量機的應(yīng)用
        2.2.4 貝葉斯分類器的應(yīng)用
    2.3 分類方法的對比分析研究
        2.3.1 通用數(shù)據(jù)的對比分析
        2.3.2 特定類型醫(yī)藥類數(shù)據(jù)的對比分析
第三章 分類方法及復(fù)合分類器的理論基礎(chǔ)
    3.1 幾種主要的分類方法
        3.1.1 決策樹歸納
        3.1.2 貝葉斯分類器
        3.1.3 支持向量機
        3.1.4 惰性學(xué)習(xí)法
        3.1.5 基于規(guī)則的分類
        3.1.6 其他分類方法
    3.2 分類方法的比較準(zhǔn)則
        3.2.1 分類模型的評估準(zhǔn)則
        3.2.3 分類模型的性能評估指標(biāo)
    3.3 數(shù)據(jù)預(yù)處理
        3.3.1 數(shù)據(jù)清理
        3.3.2 數(shù)據(jù)歸約
        3.3.3 維歸約
    3.4 基于模糊狀態(tài)的復(fù)合分類器
        3.4.1 分類結(jié)果矩陣
        3.4.2 模糊狀態(tài)分析
        3.4.3 在醫(yī)學(xué)診斷中的應(yīng)用
第四章 分類方法比較及復(fù)合分類器的實驗分析
    4.1 實驗數(shù)據(jù)集
    4.2 實驗工具
    4.3 實驗方法
    4.4 實驗結(jié)果分析
        4.4.1 KNN結(jié)果分析
        4.4.2 CART決策樹歸納
        4.4.3 貝葉斯分類器
        4.4.4 支持向量機
        4.4.5 各方法橫向比較分析
        4.4.6 基于模糊狀態(tài)的復(fù)合分類器
第五章 結(jié)語
附錄
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)挖掘分類技術(shù)研究與分析[J]. 李秀娟,田川,馮欣.  現(xiàn)代電子技術(shù). 2010(20)
[2]檢測聯(lián)合用藥不良反應(yīng)信號的數(shù)據(jù)挖掘方法[J]. 錢軼峰,羅寶章,葉小飛,孫亞林,吳美京,王海南,杜文民,賀佳.  中國衛(wèi)生統(tǒng)計. 2010(01)
[3]決策樹技術(shù)及其在藥物治療中的應(yīng)用[J]. 靳淑敏,張翠肖,孫珊珊.  科技情報開發(fā)與經(jīng)濟. 2008(22)
[4]試論數(shù)據(jù)挖掘技術(shù)在藥品不良反應(yīng)評價領(lǐng)域的應(yīng)用[J]. 吳嘉瑞,張冰.  中藥新藥與臨床藥理. 2007(06)
[5]數(shù)據(jù)挖掘分類算法研究綜述[J]. 王剛,黃麗華,張成洪,夏潔.  科技導(dǎo)報. 2006(12)
[6]基于支持向量機的腫瘤分類特征基因選取[J]. 李穎新,阮曉鋼.  計算機研究與發(fā)展. 2005(10)
[7]決策樹技術(shù)及其在醫(yī)學(xué)中的應(yīng)用[J]. 徐蕾,賀佳,孟虹,賀憲民,范思昌.  數(shù)理醫(yī)藥學(xué)雜志. 2004(02)
[8]人工神經(jīng)網(wǎng)絡(luò)在醫(yī)療智能診斷系統(tǒng)中的應(yīng)用[J]. 孫佰清,張長勝,王雪峰,侯桂英,關(guān)振中.  哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2002(04)

博士論文
[1]基于數(shù)據(jù)挖掘技術(shù)的心腦血管用藥ADR關(guān)聯(lián)模型構(gòu)建研究[D]. 馮變玲.天津大學(xué) 2012
[2]醫(yī)學(xué)圖像智能分類算法研究[D]. 王曙燕.西北大學(xué) 2006

碩士論文
[1]貝葉斯分類方法及其在冠心病診療中的應(yīng)用研究[D]. 鄭熠煜.大連海事大學(xué) 2013
[2]基于支持向量機的醫(yī)學(xué)圖像分割[D]. 李漣鳳.蘭州大學(xué) 2010
[3]分類技術(shù)在醫(yī)學(xué)診斷中的應(yīng)用研究[D]. 楊書鋒.汕頭大學(xué) 2009
[4]神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)診斷中的應(yīng)用研究[D]. 沈花玉.天津理工大學(xué) 2007
[5]數(shù)據(jù)挖掘技術(shù)中分類算法的比較分析[D]. 鄭明超.蘭州商學(xué)院 2007
[6]決策樹技術(shù)及其在醫(yī)學(xué)中的應(yīng)用[D]. 徐蕾.第二軍醫(yī)大學(xué) 2004



本文編號：3570436