我國國家宏觀健康管理策略重點已從疾病診治轉(zhuǎn)變?yōu)榻】碉L險評估與預測。醫(yī)療行業(yè)信息化過程中已累積豐富的健康醫(yī)療數(shù)據(jù),在群體層面蘊含著疾病發(fā)生與分布規(guī)律以及影響健康各種因素的知識,在個體層面為疾病早期預警及個性化醫(yī)療提供前所未有的契機。海量健康醫(yī)療數(shù)據(jù)中潛在關(guān)聯(lián)關(guān)系的獲取是我國健康醫(yī)療信息化發(fā)展的重要支撐技術(shù)。當前數(shù)據(jù)關(guān)聯(lián)關(guān)系挖掘的理論與方法難以滿足健康醫(yī)療深度應用的需求,突出表現(xiàn)在(1)人群疾病與生命體征間的復雜關(guān)聯(lián)(有語義)難以全面發(fā)現(xiàn);(2)個體內(nèi)部的復雜動力學相關(guān)性(無語義)難以準確度量。具體而言,健康醫(yī)療數(shù)據(jù)隱式關(guān)聯(lián)關(guān)系發(fā)現(xiàn)面臨著兩大技術(shù)挑戰(zhàn):(1)群體層面的有趣關(guān)聯(lián)規(guī)則挖掘。有語義健康醫(yī)療數(shù)據(jù)包含海量的數(shù)據(jù)項與事務數(shù),蘊含疾病、各種生命體征的重要信息,探尋其中的有趣關(guān)聯(lián)對疾病預防與診斷意義重大。傳統(tǒng)數(shù)據(jù)挖掘方法的理論局限性導致上述復雜關(guān)聯(lián)無法全面反映,同時難以應對健康醫(yī)療數(shù)據(jù)的規(guī)模與復雜度。(2)個體層面的復雜系統(tǒng)同步度量。個體健康醫(yī)療數(shù)據(jù)是個體復雜系統(tǒng)演化過程的記錄,系統(tǒng)內(nèi)部各部分的同步關(guān)系對個體健康狀態(tài)異常的理解非常重要。比如大腦信息的傳遞需要眾多神經(jīng)元群共同協(xié)作完成,傳統(tǒng)雙通...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?Ａｐｒｉｏｒｉ算法過程??

２．１．２?Ａｐｒ?ｉ?ｏｒ?ｉ?算法??Ａｐｒｉｏｒｉ算法是第一個基于支持度的剪枝策略，以避免候選項目集呈指數(shù)增長??的算法［３４］。圖２－１描述了使用Ａｐｒｉｏｒｉ算法對上表中超市購物籃分析的部分后續(xù)??步驟。假設最小支持計數(shù)等于３?（即，支持度＝３／５?＝?６０％）。將最初....

圖３－１示例數(shù)據(jù)集的ＦＰ－Ｔｒｅｅ與ＨｅａｄｅｒＴａｂｌｅ??以表３－１中的數(shù)據(jù)為例，設最小支持度ｍｉｎＳｕｐ＝０．４，則ＰＮＦＰ－Ｇｒｏｗｔｈ算法第??

完整頻繁項目集合為｛－ｅ，?ｂ，?ｅ，ｇ，－ｂ，?－ｍ，ｈ，?ｊ，ｍ，?－ｊ｝。??第二次遍歷數(shù)據(jù)集時，以Ｔ００１為例，將其按支持度排序并過濾后為｛ｇ，ｈ，ｅ，??－ｂ，ｊ，?ｍ｝，接著講Ｔ００１按此順序插入到ＰＮＦＰ－Ｔｒｅｅ中。最終ＰＮＦＰ－Ｔｒｅｅ如圖３－１??所示。最終頻....

圖３－２不同支持度下的運行時間??２６??

Ｚｌ?：：零等々黃々？今??：：？?〒〇申４??４？?ｃ：?－ｍ?ｍ??圖３－１示例數(shù)據(jù)集的ＦＰ－Ｔｒｅｅ與ＨｅａｄｅｒＴａｂｌｅ??以表３－１中的數(shù)據(jù)為例，設最小支持度ｍｉｎＳｕｐ＝０．４，則ＰＮＦＰ－Ｇｒｏｗｔｈ算法第??一次遍歷數(shù)據(jù)庫可得到正相關(guān)的頻繁項目集合及頻繁數(shù)為：｛....

圖３－３不同最小支持度下平均每秒產(chǎn)生的頻繁項目集數(shù)量??圖３－３給出了不同最小支持度下ＦＰ－Ｇｒｏｗｔｈ算法和ＰＮＦＰ－Ｇｒｏｗｔｈ算法平??均每秒產(chǎn)生頻繁項目集的數(shù)量對比

健康醫(yī)療數(shù)據(jù)隱式關(guān)聯(lián)關(guān)系發(fā)現(xiàn)與度量??不同最小支持度ｍｉｎＳｕｐ下算法的運行時間對比見圖３－２。從圖中可看出當??最小支持度大于等于０．５時，ＦＰ－Ｇｒｏｗｔｈ算法和ＰＮＦＰ－Ｇｒｏｗｔｈ算法的執(zhí)行時間非??常接近；而當最小支持度小于０．５時，二者的執(zhí)行時間隨最小支持度的減小，差....

本文編號：4027275