醫(yī)療數(shù)據(jù)的離群點(diǎn)檢測(cè)方法研究.pdf

1、離群點(diǎn)檢測(cè)是數(shù)據(jù)挖掘領(lǐng)域一個(gè)重要的研究方向，用于揭示隱藏在數(shù)據(jù)中的重要信息，尤其在醫(yī)療診斷，入侵檢測(cè)網(wǎng)絡(luò)，信用卡欺詐，傳感器敏感事件檢測(cè)，地球科學(xué)等領(lǐng)域被廣泛應(yīng)用。而由于人眼只擅長(zhǎng)處理二維或者三維的可視數(shù)值數(shù)據(jù)，所以利用人眼發(fā)現(xiàn)高維數(shù)據(jù)集中的離群點(diǎn)往往是比較困難的。因此我們對(duì)離群點(diǎn)檢測(cè)技術(shù)深入研究是必要的。
　　針對(duì)醫(yī)療診斷數(shù)據(jù)的離群點(diǎn)檢測(cè)方法進(jìn)行了深入分析與仿真實(shí)驗(yàn)研究，取得了具有理論意義和應(yīng)用價(jià)值的結(jié)果。
　　首先，針對(duì)

2、給定的醫(yī)療數(shù)據(jù)集中離群點(diǎn)顯著地偏離數(shù)據(jù)集中的其余對(duì)象，本文提出一種基于平均距離和平均密度的離群點(diǎn)檢測(cè)的改進(jìn)方法。該方法對(duì)數(shù)據(jù)集進(jìn)行全局離群點(diǎn)檢測(cè)，并利用平均距離求得每個(gè)數(shù)據(jù)對(duì)象的平均密度，隨后計(jì)算平均鄰域鄰居數(shù)進(jìn)行數(shù)據(jù)劃分，最后用選擇算法對(duì)數(shù)據(jù)對(duì)象進(jìn)行篩選。
　　其次，針對(duì)數(shù)據(jù)集中離群點(diǎn)局部遠(yuǎn)離數(shù)據(jù)集的大多數(shù)，本文提出了一種基于圖論的離群點(diǎn)檢測(cè)的改進(jìn)方法。該方法使用平均距離作為權(quán)重來(lái)度量每個(gè)數(shù)據(jù)對(duì)象的累積入度值，并通過(guò)特定的閾值T

3、來(lái)劃分疑似離群點(diǎn)數(shù)據(jù)集，最后用選擇算法對(duì)數(shù)據(jù)對(duì)象進(jìn)行篩選。
　　第三，針對(duì)數(shù)據(jù)集離散分布的特點(diǎn)，本文提出了一種基于K-S雙樣本檢驗(yàn)的離群點(diǎn)檢測(cè)的改進(jìn)方法。該方法基于采用兩個(gè)新的累積分布函數(shù)來(lái)檢驗(yàn)，分別是來(lái)自數(shù)據(jù)集同一數(shù)據(jù)對(duì)象的K個(gè)最鄰近距離的累積分布函數(shù)以及這K個(gè)點(diǎn)的兩兩距離的累積分布函數(shù)，分析它們的相似程度來(lái)判斷它們是否屬于同一分布。
　　仿真實(shí)驗(yàn)表明，三種離群點(diǎn)算法的改進(jìn)都能針對(duì)特定的醫(yī)療數(shù)據(jù)集進(jìn)行準(zhǔn)確度為80％以上的離