基于PC-CFSA算法的醫(yī)學(xué)數(shù)據(jù)相關(guān)關(guān)聯(lián)規(guī)則挖掘.pdf

1、乳腺癌是由于乳腺細(xì)胞在各種內(nèi)外致癌因素的作用下，失去正常特性而異常增生的疾病。因此基于乳腺癌圖像診斷依據(jù)的重要因素的研究對(duì)于乳腺癌疾病診斷具有非常重要的指導(dǎo)意義。 本文在數(shù)據(jù)預(yù)處理中采用單因素方差分析方法確定重要因子排除非重要因子，使得因缺失非重要因子的殘缺項(xiàng)變得完整，從而減少了缺失項(xiàng)的影響，對(duì)于經(jīng)處理仍然含缺失值的項(xiàng)進(jìn)行舍棄。同時(shí)對(duì)項(xiàng)集進(jìn)行單因素方差分析能幫助解決支持度閾值的設(shè)置難題，支持度閾值取到恰好能排除非重要項(xiàng)的值。實(shí)驗(yàn)

2、證明這種方法是可行且準(zhǔn)確的。經(jīng)過(guò)預(yù)處理開(kāi)始關(guān)聯(lián)規(guī)則的挖掘，再對(duì)關(guān)聯(lián)規(guī)則進(jìn)行相關(guān)性評(píng)價(jià)。實(shí)驗(yàn)證明能有效挖掘出相關(guān)關(guān)聯(lián)規(guī)則。 本課題的主要工作是： 1、通過(guò)經(jīng)典的關(guān)聯(lián)規(guī)則挖掘Apriori算法和動(dòng)態(tài)挖掘PC-FSA算法來(lái)分析當(dāng)前關(guān)聯(lián)規(guī)則挖掘算法的優(yōu)缺點(diǎn)。 2、在此基礎(chǔ)上，針對(duì)關(guān)聯(lián)規(guī)則挖掘算法存在的不足，提出了PC-CFSA算法。最后，使用SPSS統(tǒng)計(jì)分析軟件對(duì)算法正確性進(jìn)行驗(yàn)證。 3、利用自己提出的新的相關(guān)關(guān)