數(shù)據(jù)挖掘技術(shù)在吸毒者脈象信號(hào)識(shí)別中的應(yīng)用.pdf

1、近幾十年來(lái)，數(shù)據(jù)庫(kù)技術(shù)和大容量存儲(chǔ)器等硬件的快速發(fā)展，使得人們收集數(shù)據(jù)的能力得到進(jìn)一步的提高。傳統(tǒng)數(shù)據(jù)分析技術(shù)在應(yīng)對(duì)新型數(shù)據(jù)集提出的挑戰(zhàn)時(shí)存在種種局限性，而數(shù)據(jù)挖掘技術(shù)突破了這些局限。醫(yī)療信息化的發(fā)展，診斷數(shù)據(jù)量的激增，需要結(jié)合數(shù)據(jù)挖掘技術(shù)進(jìn)行深入分析，提取有潛在意義的知識(shí)。
　　吸毒嚴(yán)重危害人體健康，破壞人的中樞神經(jīng)系統(tǒng)，致使人體其他器官功能失調(diào)和組織病理變化。根據(jù)中醫(yī)診斷學(xué)理論，脈象信號(hào)中包含著極為豐富的心血管系統(tǒng)等生理病理信

2、息，對(duì)人體重要信息病變的診斷具有重要的臨床價(jià)值。本文以在重慶戒毒所采集的15例健康正常人和15例海洛因吸毒者脈象信號(hào)的實(shí)測(cè)數(shù)據(jù)為研究對(duì)象，選用SAS/EM數(shù)據(jù)挖掘工具，建立C4.5決策樹和LMBP神經(jīng)網(wǎng)絡(luò)分類模型對(duì)脈象信號(hào)進(jìn)行識(shí)別。
　　為更好地從大量冗雜數(shù)據(jù)中挖掘出有用知識(shí)，首先要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。小波變換在時(shí)頻域具有良好的局域化特性，非常適合脈象這種非平穩(wěn)信號(hào)的分析。除了采用時(shí)域信號(hào)作為特征輸入，進(jìn)行兩種脈象信號(hào)的初步劃分，本

3、文還采用以db4為小波的Mallat多分辨率算法，對(duì)30例脈象信號(hào)進(jìn)行三層分解提取細(xì)節(jié)系數(shù)作為第二類特征輸入，從而達(dá)到數(shù)據(jù)轉(zhuǎn)換目的，為進(jìn)一步的分類作準(zhǔn)備。
　　C4.5決策樹方法是基于機(jī)器學(xué)習(xí)的數(shù)據(jù)挖掘方法，它形式簡(jiǎn)單，分類速度快，可以較好地解決小樣本的學(xué)習(xí)問(wèn)題。本文建立了C4.5決策樹分類器對(duì)吸毒者進(jìn)行檢測(cè)識(shí)別，它以信息增益率進(jìn)行屬性選擇。實(shí)驗(yàn)結(jié)果表明：當(dāng)以時(shí)間域?qū)傩宰鳛樘卣鲄⒘?，輸入C4.5決策樹模型時(shí)，識(shí)別率達(dá)到93.3％。

4、當(dāng)選用提取的各層細(xì)節(jié)系數(shù)作為特征輸入時(shí)，最優(yōu)識(shí)別率為93.3%，雖識(shí)別率一致，但提高了穩(wěn)定性。
　　BP人工神經(jīng)網(wǎng)絡(luò)，具有很高的容錯(cuò)性和可靠性，其自組織性和自適應(yīng)學(xué)習(xí)能力大大放松了傳統(tǒng)識(shí)別方法所需的約束條件，非常適合用于研究生物醫(yī)學(xué)信號(hào)。為進(jìn)一步提高分類性能，本文還著重研究了Levenberg-Marquardt BP算法，并建立單隱層（H1）和雙隱層（H2）的BP網(wǎng)絡(luò)分類模型。將第三層細(xì)節(jié)系數(shù)作為特征參量，分別訓(xùn)練和測(cè)試單隱層B