使用粗糙集方法的医学数据（心脏病）规则生成方法-研究论文

【文件属性】：
文件名称：使用粗糙集方法的医学数据（心脏病）规则生成方法-研究论文
文件大小：579KB
文件格式：PDF
更新时间：2021-06-10 07:26:16
Rough Set theory 数据挖掘的重要步骤之一是找到隐藏的模式。 对于探索医学领域数据集中的隐藏模式医学数据挖掘具有很大的潜力。 这些提取的隐藏模式可用于进一步的医学分析和检查。 即便如此，适用的原始临床数据也是多种多样的，数量庞大且分布广泛。 临床数据集存储在称为医学数据库的数据库中。 这些数据库可能拥有大量关于患者、他们的健康状况和疾病的知识和信息。 医疗数据可能有不完整的信息、噪音和不一致的数据。 为了表示这种类型的数据，我们需要在各个级别进行操作。 对于操作，我们有数据预处理。 在本文中，粗糙集理论用于获取数据之间的关系，评估属性，探索隐藏模式并生成满意分类的决策规则。 粗糙集方法基本上是基于规则的分类器，基于规则的分类器的优点是易于理解并且可以合并到人类语言中以帮助医学专家进行决策。 本文中的规则是通过粗糙集实现的。 我们得出的结论是，决策规则提供了一些医学意识，这些规则对于医学专业人员充分评估问题也很有价值。