相关兴趣度的分布式关联规则算法研究及其在急性炎症诊断中的应用

发布时间：2020-07-29 19:05

【摘要】：随着互联网通信技术迅猛的发展,医疗行业聚集了海量的结构化和非结构化数据。这些数据中潜在的有价值信息不能通过简单的收集或统计分析来获得,因此可以借助相关数据挖掘技术来探索医疗数据之间内在联系和发现对医疗诊断有帮助的知识。本文研究了关联规则算法并做了相关改进来提取急性炎症医疗数据中隐藏的疾病与症状的关联关系,为医疗诊断提供辅助决策。课题的研究内容主要有以下三个方面:(1)针对传统基于支持度-置信度的关联规则挖掘框架存在的缺陷,提出了基于相关兴趣度的关联规则算法IItemMine_AC(ItemSetItem association correlation)。实验证明,该算法提高了所生成关联规则的质量,且其相关度量具有很好的剪枝效果。(2)针对单机处理和存储大数据时计算能力和内存空间的限制,实现了基于Spark集群的分布式并行计算。实验证明,分布式并行计算具有优越的时效性和可扩展性。(3)在相关兴趣度的关联规则挖掘算法和Spark的基础上,构建针对急性炎症的医疗辅助诊断系统。通过来自UCI的数据集对系统进行测试,证明了系统的有效性和可行性。
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.13;R364.5
【图文】：

鲜

本文编号：2774370