貝葉斯分類方法及其在冠心病診療中的應用研究.pdf

1、伴隨社會經(jīng)濟急速發(fā)展而來的生存環(huán)境的日益惡化，冠心病的發(fā)病率和死亡率直線升高，已經(jīng)成為導致人類死亡的重大疾病之一。辨證論治是冠心病中醫(yī)診療的基本方法，利用科學方法對冠心病中醫(yī)證型進行辨證，有利于挖掘冠心病診療的規(guī)律和聯(lián)系。貝葉斯分類是數(shù)據(jù)挖掘中重要的分類算法，因為其簡單可靠的特點已經(jīng)在眾多領域得到運用。所以，利用貝葉斯分類方法進行冠心病中醫(yī)證型識別，對于冠心病的辨證論治和用藥具有現(xiàn)實意義。
　　 本文以冠心病中醫(yī)診斷為背景，以樸

2、素貝葉斯分類器為基本研究對象，主要從屬性擴展和屬性加權兩個方面對樸素貝葉斯分類模型進行改進。并將提出的改進算法應用到UCI數(shù)據(jù)集以及處理后的冠心病數(shù)據(jù)中，通過實驗證明其準確性和有效性。具體研究工作為:
　　 (1)屬性擴展方面。本文選擇性能優(yōu)秀的隱藏的樸素貝葉斯分類算法(HNB)進行改進，提出了基于m估計的改進型HNB算法(HNB-M)和基于強屬性的改進型HNB算法(SAHNB)，這兩種方法都一定程度上放松了條件獨立性假設也避免

3、了網(wǎng)絡結構學習的復雜性。
　　 (2)屬性加權方面。根據(jù)各個屬性對于最終決策分類所發(fā)揮的作用不一致，通過賦予各個屬性相應的權值來改進貝葉斯分類的性能。本文引入統(tǒng)計學中的Kullback-Leibler距離來衡量屬性的重要度，提出基于KL距離的加權樸素貝葉斯分類算法(AWNB-KL)，提高了樸素貝葉斯算法的性能。
　　 (3)實際運用方面。首先對冠心病數(shù)據(jù)庫進行預處理，建立適合挖掘的數(shù)據(jù)倉庫。其次，設計實現(xiàn)了本文所依托的項