體檢系統(tǒng)中基于粗糙集的決策樹算法研究.pdf

1、本文研究了基于粗糙集的決策樹技術在體檢系統(tǒng)中的應用。針對體檢信息的特點，將粗糙集理論和決策樹技術相結合，給出了一種變精度分支匯總粗糙度決策模型。首先分析對比較為成熟的屬性約簡算法的優(yōu)缺點，提出論域縮減的方法。把討論對象的數(shù)量變化納入到計算過程，考慮約簡集合中屬性增減的同時，刪除依據(jù)該屬性能夠正確分類的對象，避免冗余計算，達到提高約簡效率的效果。 在上述基礎上結合體檢診斷的特點提出基于變精度分支匯總粗糙度的決策樹算法。大量基于粗糙

2、集理論的決策樹算法只是考慮當前候選屬性之間的信息包含度，沒有考慮把候選屬性放到整個決策過程所產(chǎn)生的影響，因此，容易引起局部最佳問題，本文綜合分離屬性的每個劃分對整個分類的貢獻程度，把每個分支貢獻度匯集成該屬性的分支匯總粗糙度，以此作為分離屬性選擇標準，避免了局部最佳效應。為了更好的解決泛化問題，提高分類能力，引入變精度粗糙集模型，引入誤差參數(shù)B，允許在對實例進行劃分時存在一定的分類誤差，在分類精度和泛化能力之間進行靈活調整。 隨

3、著人們生活水平的提高，體檢成為一門新興的朝陽產(chǎn)業(yè)，研究適用于體檢的輔助診斷系統(tǒng)，提高體檢資源的利用率具有廣闊的應用背景?，F(xiàn)代生活給人們帶來很多身體問題，處于‘亞健康’中的人群體檢中臨床癥狀不像醫(yī)療診斷中那么明顯，必須綜合考慮整個身體情況，即全局性。分支匯總的概念很好的解決了這個問題，其綜合考慮全局性的特點避免了針對單個臨床癥狀所帶來的偏差。另一方面體檢確診界定比較模糊，對于某些客戶的狀況以嚴格的醫(yī)學標準不構成疾病，同時也達不到健康標準，