基于Hadoop平臺(tái)的醫(yī)保數(shù)據(jù)挖掘.pdf

1、秦皇島市參保人數(shù)約為35.7萬(wàn)，系統(tǒng)中醫(yī)?；鸬氖杖肱c支出每年會(huì)產(chǎn)生2000萬(wàn)條信息，每年結(jié)算信息幾千萬(wàn)條。隨著系統(tǒng)的使用、業(yè)務(wù)的深入，數(shù)據(jù)還在不斷增加。在大量數(shù)據(jù)之間必然存在某種聯(lián)系，因此對(duì)其進(jìn)行數(shù)據(jù)挖掘有實(shí)際意義。
　　由于數(shù)據(jù)量大，在單機(jī)進(jìn)行數(shù)據(jù)挖掘時(shí)，會(huì)出現(xiàn)時(shí)間效率低、宕機(jī)情況的發(fā)生，因此我們考慮用Hadoop平臺(tái)實(shí)現(xiàn)并行挖掘。Hadoop是開(kāi)源平臺(tái)，PC機(jī)就能搭建成集群環(huán)境。它在處理海量數(shù)據(jù)方面的優(yōu)越性，使眾多研究者紛紛

2、投入到Hadoop的研究中。
　　研究目的是利用Hadoop平臺(tái)對(duì)醫(yī)保數(shù)據(jù)進(jìn)行挖掘，利用MapReduce編程方法實(shí)現(xiàn)并行挖掘，為以后在Hadoop平臺(tái)進(jìn)行并行的數(shù)據(jù)挖掘研究者提供參考。
　　本文首先對(duì)數(shù)據(jù)挖掘技術(shù)和Hadoop平臺(tái)做了詳細(xì)的介紹，重點(diǎn)介紹了數(shù)據(jù)挖掘的過(guò)程，以及本課題中所用到的挖掘算法——聚類算法、關(guān)聯(lián)規(guī)則算法。通過(guò)對(duì)醫(yī)保系統(tǒng)數(shù)據(jù)庫(kù)的深入研究，確定了數(shù)據(jù)倉(cāng)庫(kù)的主題，進(jìn)而確定對(duì)應(yīng)主題的相關(guān)數(shù)據(jù)表格。最后對(duì)這些數(shù)