關(guān)聯(lián)分類算法研究及其在醫(yī)學(xué)圖像數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、數(shù)據(jù)分類是數(shù)據(jù)挖掘中的一個重要課題。近年來研究提出的關(guān)聯(lián)分類(associative classification簡稱AC)--將關(guān)聯(lián)規(guī)則挖掘和分類結(jié)合起來，作為一種新的數(shù)據(jù)分類方法在數(shù)據(jù)挖掘領(lǐng)域引起了廣泛的關(guān)注。自1998年出現(xiàn)第一個基于關(guān)聯(lián)的分類算法(CBA)以來，有不少學(xué)者對關(guān)聯(lián)分類算法的設(shè)計及應(yīng)用進行了深入的研究。 隨著醫(yī)院使用計算機進行信息化，其各種醫(yī)學(xué)信息數(shù)據(jù)庫不斷地建立。此外又由于醫(yī)學(xué)技術(shù)本身具有很強的實驗性、實踐

2、性和統(tǒng)計性等特點，使數(shù)據(jù)挖掘在醫(yī)學(xué)診斷領(lǐng)域的應(yīng)用具有重要的實用價值和廣闊的發(fā)展前景。因此，面向醫(yī)學(xué)圖像的數(shù)據(jù)挖掘技術(shù)研究成為醫(yī)學(xué)和計算機科學(xué)交叉學(xué)科研究的一個十分重要的領(lǐng)域。目前，面向醫(yī)學(xué)圖像的數(shù)據(jù)挖掘研究剛剛起步，現(xiàn)有的數(shù)據(jù)挖掘方法直接應(yīng)用還存在許多問題。研究和探索適于醫(yī)學(xué)圖像的數(shù)據(jù)挖掘方法具有重要、現(xiàn)實的意義，對輔助醫(yī)生進行臨床診斷具有重要實用價值。 本文在分析CBA算法的基礎(chǔ)上，針對其存在的問題提出了一種基于屬性重要性的關(guān)

3、聯(lián)分類算法(IRARC)。該算法的特點在于引入屬性重要性，從而大大減少了生成候選項目集的數(shù)目，解決了頻繁項目增加時運算時問顯著增加的問題，提高了算法的效率；引入規(guī)則優(yōu)先度的概念解決了規(guī)則選擇的隨機性。實驗結(jié)果表明，IRARc算法比CBA算法有明顯的優(yōu)勢，可以應(yīng)用于大規(guī)模數(shù)據(jù)庫的知識發(fā)現(xiàn)中。 此外，對關(guān)聯(lián)分類算法在醫(yī)學(xué)圖像數(shù)據(jù)挖掘中的應(yīng)用進行了系統(tǒng)、深入地分析研究，針對醫(yī)學(xué)圖像本身的特點使用FP-Growth算法，解決了傳統(tǒng)關(guān)聯(lián)分