基于大数据的身体数据采集与分析的研究

发布时间：2021-02-21 09:50

　　近年来,医疗机构信息化程度不断提高,各类医疗健康信息在数量上有着惊人的增长。由于医疗健康大数据具有数据量大、多样性突出的独特性,所要采集与处理的数据类型也变得越来越复杂和多样,传统的医疗数据处理技术手段已经渐渐无法满足目前的需要,所以如何采集与分析医疗健康大数据并从中挖掘出潜在的价值,依然是值得研究的问题。身体数据作为一种常见的医疗健康大数据,比其他的数据更能反映医疗大数据的特点。本文针对身体数据,在研究了现有的数据采集方法以及数据分析方法的基础上,设计了一种基于大数据的身体数据采集与分析系统。系统实现了身体数据的采集、存储、分析、管理及可视化功能。针对身体数据的特征,本文研究了国内外大数据采集发展的现状,分析了主流大数据采集产品的优缺点,设计制定了身体数据采集集群的架构,并划分了集群的各个组件模块,对集群的各个组件模块的配置和实现进行了详细的描述。针对现有数据挖掘中的关联分类算法,本文通过引入全置信度对经典关联分类算法进行改进,提出了一种改进的关联分类算法。该算法不同于传统的基于支持度-置信度模型的关联分类算法,采用了全置信度的判别机制,从而大大减少了规则生成的数量,算法还对新实例预... 

【文章来源】：北方工业大学北京市

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
        1.2.1 医疗数据采集的国内外研究现状
        1.2.2 医疗数据分析的国内外研究现状
    1.3 研究内容
    1.4 论文结构安排
    1.5 本章小结
第二章 大数据平台及相关理论介绍
    2.1 大数据平台介绍
        2.1.1 Hadoop平台
        2.1.2 Spark平台
    2.2 数据挖掘介绍
        2.2.1 数据挖掘概述
        2.2.2 数据挖掘算法
    2.3 本章小结
第三章 身体数据采集集群的设计
    3.1 身体数据采集常用方法
    3.2 身体数据采集集群详细设计
        3.2.1 分布式集群
        3.2.2 采集组件模块配置
        3.2.3 采集工作流程
    3.3 本章小结
第四章 针对身体数据的关联分类算法改进
    4.1 身体数据特征分析
    4.2 关联分类算法存在的问题
    4.3 关联分类算法的改进
        4.3.1 规则生成与剪枝
        4.3.2 新实例预测
        4.3.3 测试结果的对比与分析
    4.4 本章小结
第五章 系统集成与验证
    5.1 系统架构实现
    5.2 身体数据采集实验
    5.3 身体数据分析算法实验
    5.4 管理系统及数据可视化实验
    5.5 本章小结
第六章 总结与展望
    6.1 研究工作总结
    6.2 后续工作展望
参考文献
在学期间的研究成果
致谢


【参考文献】：
期刊论文
[1]基于Spark的并行化高效用项集挖掘算法[J]. 何登平,何宗浩,李培强.  计算机工程与科学. 2019(10)
[2]面向生产管控的工业大数据研究及应用[J]. 赵颖,侯俊杰,于成龙,徐皓,张伟.  计算机科学. 2019(S1)
[3]不平衡数据挖掘方法综述[J]. 向鸿鑫,杨云.  计算机工程与应用. 2019(04)
[4]基于大数据技术的EAST实验数据访问日志分析系统的设计[J]. 章琦皓,王枫,王月婷.  计算机应用与软件. 2018(09)
[5]关联分类及其改进算法综述[J]. 李家辉,周忠眉.  科技通报. 2018(08)
[6]基于模型过滤的多任务回归在帕金森症预测中的应用[J]. 刘峰,季薇,李云.  计算机应用. 2018(11)
[7]大数据时代下的动态可配置数据采集系统的研究与设计[J]. 丁俊,郑辉.  计算机应用与软件. 2018(03)
[8]海量日志数据采集系统的设计与优化[J]. 郭鹏程,李迎春,付春燕,曹炳尧.  电子测量技术. 2018(01)
[9]Layered Software Patterns for Data Analysis in Big Data Environment[J]. Hossam Hakeem.  International Journal of Automation and Computing. 2017(06)
[10]Hadoop与Spark应用场景研究[J]. 冯兴杰,王文超.  计算机应用研究. 2018(09)

博士论文
[1]分布式环境下大数据组织与管理关键技术的研究[D]. 陈志坤.国防科学技术大学 2014

硕士论文
[1]关联规则挖掘算法的并行化及应用研究[D]. 许德心.南京邮电大学 2019
[2]云平台下医疗大数据的FP-Growth算法的优化研究[D]. 毛振平.华北水利水电大学 2019
[3]基于Spark的烟草大数据分析系统的设计与实现[D]. 刘小方.沈阳工业大学 2019
[4]基于Spark的数据挖掘技术研究[D]. 杜沛.华北电力大学 2019
[5]大数据平台数据采集系统的设计与实现[D]. 逯衍.北京交通大学 2018
[6]基于医疗大数据的可视化算法研究与应用[D]. 王艺.天津工业大学 2018
[7]基于Hbase的健康监测大数据平台性能优化研究及应用[D]. 尹鹏飞.北京工业大学 2017
[8]基于Spark平台的高血压药物推荐及疗效预测研究[D]. 车晋强.太原理工大学 2016
[9]基于Spark的若干数据挖掘技术研究[D]. 宁永恒.中国计量学院 2015
[10]基于物联网的远程移动医疗监护系统的设计与实现[D]. 曾绳涛.广东工业大学 2014



本文编号：3044180