基于k—medoids与c5．0联合约束的药品信息挖掘算法

摘要

针对当海量药品数据信息中包含不真实或者噪声影响的信息时，一般的数据挖掘分析方法将产生很大的弊端，传统的药品关联行为分析中使用一种大类的数据挖掘分析方法，忽略了药品数据分析结果与实际下一步行为预测的联系．为了解决这一问题提出了k—medoids与c5．0联合约束的药品数据挖掘方法，并且在第一步的聚类分析中充分考虑噪声与孤立点的影响，用第一步聚类的结果分别作为后期决策树分类的数据样本，并且进行适当的数据预处理，这样就能保证模型的演算准确性．实验证明这种药品数据分析模型准确有效，挖掘的效率更高．