换一批
换一批邻域粗糙贝叶斯网络及其在医学数据挖掘中的应用
Bayesian Network Based on Neighborhood Rough Sets and Its Application in Medicine Data mining
摘要目的：提出基于领域粗糙集的贝叶斯网络医学数据挖掘模型，探讨肝炎肝硬化的临床分类。方法：根据所收集的355例肝硬化患者临床资料，采用领域粗糙集算法提取与肝炎肝硬化临床分类有关的生物检测指标。然后，运用树增强型贝叶斯分类器构建分类模型进行肝炎肝硬化的临床分类。结果：采用领域粗糙集贝叶斯网络分类模型进行肝炎肝硬化代偿性分类的正确率为90．91％，活动性分类正确率为94．09％，而使用BP神经网络的代偿性分类正确率为76．82％，活动性分类为85．45％。结论：领域粗糙集贝叶斯网络分类方法可以有效地进行肝炎肝硬化临床分类，并能够为临床医学诊断研究提供参考。
更多相关知识
关键词
数据挖掘领域粗糙集树增强贝叶斯网络肝炎肝硬化BP神经网络data mingneighborhood rough setstree augment naive Bayesian networkpost-hepatitic cirrhosisBP neural network
栏目名称
统计分析
DOI
10.3969/j.issn.1004-4337.2013.05.016
发布时间
2013-10-17
基金项目
艾滋病和病毒性肝炎等重大传染病防治项目(2009ZX10004-601)
上海高校选拔培养优秀青年教师科研专项基金(No ．szy09019)
上海中医药大学科学技术技术发展基金项目
- 浏览167
- 被引10
- 下载33
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
