數(shù)據(jù)挖掘技術(shù)在病人情況預(yù)報(bào)中的應(yīng)用研究與實(shí)現(xiàn).pdf

1、本論文是在南通職業(yè)大學(xué)校級(jí)課題的支持下，對(duì)基于關(guān)聯(lián)規(guī)則和人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)在江蘇腫瘤研究所各類病人數(shù)情況預(yù)報(bào)中的應(yīng)用研究與實(shí)現(xiàn)。研究該所專家知識(shí)和經(jīng)驗(yàn)，選取關(guān)聯(lián)規(guī)則對(duì)影響因子進(jìn)行定性分析，再運(yùn)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)各類病人數(shù)情況進(jìn)行定量預(yù)報(bào)，最終構(gòu)造一個(gè)對(duì)各類病人數(shù)情況進(jìn)行預(yù)報(bào)試驗(yàn)平臺(tái)Hospital Institute Data Mining (HIDM)。論文的主要內(nèi)容總結(jié)如下幾個(gè)方面： 介紹了關(guān)聯(lián)規(guī)則分析和人工神經(jīng)

2、網(wǎng)絡(luò)技術(shù)在HIDM中的應(yīng)用。在關(guān)聯(lián)規(guī)則分析研究方面，對(duì)數(shù)據(jù)進(jìn)行清洗和選擇后，運(yùn)用Apriori算法挖掘影響因子和量之間的關(guān)系，這些關(guān)系用來(lái)指導(dǎo)人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)準(zhǔn)備；在人工神經(jīng)網(wǎng)絡(luò)技術(shù)方面，著重研究了人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的數(shù)據(jù)準(zhǔn)備問(wèn)題、網(wǎng)絡(luò)參數(shù)的選取問(wèn)題等等。針對(duì)原有的BP神經(jīng)網(wǎng)絡(luò)算法效率較低、容易陷入局部極小等現(xiàn)狀，提出了一種改進(jìn)的BP算法，改進(jìn)的BP算法著重改進(jìn)了權(quán)值的調(diào)整頻率及效率，本文在理論上進(jìn)行推證，并利用數(shù)學(xué)邏輯中的“異或