粗糙集属性约简方法在医疗诊断中的应用研究

摘要

如今医院积存了海量的医疗诊断数据，如何利用先进的数据处理技术对其开发利用，辅助医生诊断，已经成为当今医疗事业发展的一个重要方向。目前医疗诊断的主要方法是根据患者的症状进行临床诊断。但随着疾病种类的增多，症状之间的干扰性大大增强，这给医生带来很大负担。本文主要针对医疗诊断问题及粗糙集属性约简算法进行研究，提出了两种属性约简算法辅助医疗诊断。
　　本研究主要内容包括：⑴针对HORAFA算法以及现有改进算法所获得的结果中经常出现属性权值相同的问题，本文结合医疗诊断数据特征，改进算法的启发规则及属性删除操作，提出一种改进的基于差别矩阵的启发式约简算法。实验结果表明，改进算法能够提高约简效率，获得更优约简。⑵为了解决大规模医疗诊断数据的约简问题，提出一种自适应遗传约简算法。该算法利用改进的属性权值构造个体适应度函数；使用新的最优选择策略丰富群体种类，避免陷入局部极值；引入属性相似度概念减少交叉操作，且降低了适应度函数的计算次数；改进变异操作，避免个体中存在权值相同的属性。仿真实验表明，该算法在属性数目繁多、数据量庞大的信息系统中更适用。⑶基于上述的遗传约简算法，对2型糖尿病数据进行属性约简，提取关键症状，辅助医生诊断，减少误诊和漏诊。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究的背景及意义

1.2 国内外研究现状

1.3 论文主要研究内容

1.4 论文结构安排

第二章 粗糙集与遗传算法基本理论

2.1 粗糙集基本理论

2.2 遗传算法理论

2.3 本章小结

第三章 基于改进启发规则的差别矩阵启发式约简算法

3.1 基于区分矩阵的属性约简算法

3.2 基于属性重要度的属性约简算法

3.3 基于改进启发规则的差别矩阵启发式约简算法（MGR算法）

3.4 本章小结

第四章 基于属性权值修正的自适应遗传约简算法

4.1 基于遗传算法的粗糙集属性约简算法

4.2 基于属性权值修正的自适应遗传约简算法（GA-MGR算法）

4.3 本章小结

第五章 属性约简在2型糖尿病诊断中的应用研究

5.1 2型糖尿病数据集特征

5.2 属性离散化

5.3 属性符号化

5.4 2型糖尿病约简结果

5.5 约简结果辅助诊断分析

5.6 本章小结

第六章 总结与展望

6.1 论文工作总结

6.2 研究展望

参考文献

致谢