• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于粗糙集的決策樹在醫(yī)療診斷中的應(yīng)用

    2017-12-20 10:06:16黃錦靜李夢天
    關(guān)鍵詞:約簡粗糙集決策樹

    黃錦靜,陳 岱,李夢天

    (中國礦業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與計(jì)算學(xué)院,江蘇 徐州 221116)

    基于粗糙集的決策樹在醫(yī)療診斷中的應(yīng)用

    黃錦靜,陳 岱,李夢天

    (中國礦業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與計(jì)算學(xué)院,江蘇 徐州 221116)

    網(wǎng)上醫(yī)療診斷越來越受歡迎,電子病例的數(shù)據(jù)也越來越多。如何從眾多的醫(yī)療數(shù)據(jù)中降低醫(yī)療數(shù)據(jù)的冗余度,快速提取有用的醫(yī)療價(jià)值,提高醫(yī)療診斷的速度和精度,成了一個(gè)大家研究的熱點(diǎn)問題。針對這一系列問題,研究了醫(yī)療系統(tǒng)關(guān)于肺癌診斷的一些數(shù)據(jù),建立了基于屬性依賴改進(jìn)的可分辨矩陣屬性約簡的C4.5算法,并用隨機(jī)森林進(jìn)行算法改進(jìn)。屬性約簡算法降低了醫(yī)療數(shù)據(jù)的冗余度,決策樹算法提取了肺癌診斷的一些規(guī)則,隨機(jī)森林提高了醫(yī)療診斷的準(zhǔn)確性。文中對肺癌診斷場景進(jìn)行了仿真實(shí)驗(yàn)與應(yīng)用,并將單純的C4.5算法,屬性約簡與單棵C4.5決策樹,屬性約簡和C4.5決策樹隨機(jī)森林進(jìn)行性能比較。實(shí)驗(yàn)結(jié)果表明,該方法加快了計(jì)算速度,提高了醫(yī)療診斷的精度。

    粗糙集;屬性約簡;可分辨矩陣;C4.5算法;決策樹

    1 概 述

    隨著計(jì)算機(jī)行業(yè)的快速發(fā)展,醫(yī)院也開始走向電子化時(shí)代,網(wǎng)上掛號(hào)、網(wǎng)上診斷、電子病例等,積累了海量的醫(yī)療數(shù)據(jù)。如何利用這些數(shù)據(jù)挖掘出醫(yī)療價(jià)值,即基于醫(yī)療的數(shù)據(jù)挖掘,成為一個(gè)非常熱門的研究領(lǐng)域。醫(yī)療數(shù)據(jù)的挖掘在醫(yī)療領(lǐng)域應(yīng)用的主要內(nèi)容包括醫(yī)療圖像數(shù)據(jù)挖掘、醫(yī)療管理檢索系統(tǒng)和電子病例的分析等。例如,在醫(yī)療圖像方面,文獻(xiàn)[1]提出了一種基于成像的神經(jīng)退行性疾病的分類方法,以提取突出的腦模式。在電子病例這種文本數(shù)據(jù)方面,文獻(xiàn)[2]提出了一種可變精度粗糙集模型的屬性約簡算法。

    特別是電子病例這類的文本數(shù)據(jù),數(shù)據(jù)量龐大,儲(chǔ)存了大量信息,是數(shù)據(jù)挖掘的一個(gè)熱點(diǎn)對象。病例隱含了眾多信息,記錄了很多病情癥狀,即很多屬性特征,針對不同的病情不同屬性的重要度也不同,但是電子病例里面往往包含很多屬性,而且有很多是冗余的。大家去醫(yī)院檢查都要做各種繁復(fù)的檢查,其實(shí)很多檢查項(xiàng)是冗余的,記錄了很多冗余的屬性,同時(shí)還增加了病人的費(fèi)用。針對這些問題,如何在海量的電子病例中刪除冗余癥狀,高效和準(zhǔn)確地建立決策樹,挖掘有重要應(yīng)用價(jià)值的特征數(shù)據(jù),是一個(gè)十分重要的課題。

    粗糙集理論是一種研究模糊性和不確定性問題的數(shù)學(xué)分析和數(shù)據(jù)挖掘工具。粗糙集的主要內(nèi)容是屬性約簡、規(guī)則提取,在很多領(lǐng)域應(yīng)用廣泛。例如,文獻(xiàn)[3]在郵件過濾領(lǐng)域提出了基于變精度粗糙集的決策樹分類算法,提高了郵件的正確分類率。文獻(xiàn)[4]提出了一種在多準(zhǔn)則排序方面的算法,即基于粗糙集的多準(zhǔn)則排序方法,非常高效。文獻(xiàn)[5]將粗糙集應(yīng)用到食品安全檢測領(lǐng)域,并且得到了很好的食品檢查效果,提高了食品檢查的速度,文獻(xiàn)[6]將粗糙集和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,提高了糧食產(chǎn)量預(yù)測的精確度。文獻(xiàn)[7]為了提高圖像插值方法的插值效率,改善放大圖像邊緣的模糊現(xiàn)象,提出了一種基于粗糙集約簡的支持向量機(jī)圖像插值方法。文獻(xiàn)[8]為解決危險(xiǎn)品風(fēng)險(xiǎn)分析的一些問題,應(yīng)用粗糙集理論,加快了計(jì)算速度。文獻(xiàn)[9]為了能夠有效、快速地評價(jià)電網(wǎng)運(yùn)行的優(yōu)質(zhì)性水平,提出一種粗糙集與證據(jù)理論相結(jié)合的方法等。

    文中將粗糙集的屬性約簡算法應(yīng)用到肺癌診斷上。屬性約簡算法有很多,如通過去除某屬性后,判斷不可區(qū)分關(guān)系是否改變來決定是否應(yīng)刪除該屬性,但是這種算法得到的約簡集不完備。自從SKOWRON提出可分辨矩陣這一理論后[10],就出現(xiàn)了可分辨矩陣和粗糙集理論相結(jié)合的屬性約簡算法[11]。這種算法可以得到比較完備的約簡集,但是引入矩陣自然增加了運(yùn)算量,所以算法的復(fù)雜度高、耗時(shí)長。為了得到完備的最小約簡集,文中提出了一種基于屬性依賴改進(jìn)的可分辨矩陣的屬性約簡算法,減少了計(jì)算量,提高了運(yùn)算速度。

    經(jīng)過屬性約簡后的病例集屬性間的冗余度有所降低,將該病例集作為訓(xùn)練集來構(gòu)建決策樹,進(jìn)行規(guī)則提取。這樣相比直接構(gòu)建決策樹進(jìn)行規(guī)則提取,不僅減少了計(jì)算量,也減少了樹的深度,使規(guī)則更加準(zhǔn)確。決策樹是從一組無次序且無規(guī)則的元組中推理出一組以決策樹為表現(xiàn)形式的分類規(guī)則。它是一種自頂向下的遞歸方式,在樹的內(nèi)部節(jié)點(diǎn)進(jìn)行屬性值之間的比較,根據(jù)屬性值的不同從當(dāng)前節(jié)點(diǎn)向下進(jìn)行分支,而葉節(jié)點(diǎn)是最終要?jiǎng)澐值念?,即決策屬性。從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的一條路徑對應(yīng)著一條合取規(guī)則,而整個(gè)決策樹對應(yīng)著一組析取表達(dá)式規(guī)則。決策樹算法有很多,如基于粗糙集的變精度算法[12]和ID3算法[13],但是它們不能很好地處理連續(xù)值;C4.5算法是ID3算法的改進(jìn),能很好地處理連續(xù)值。因此文中采用C4.5算法通過信息熵增益率來構(gòu)建決策樹,同時(shí)為了提高準(zhǔn)確率引入了決策樹的隨機(jī)森林。

    2 問題定義

    就肺癌的醫(yī)療診斷數(shù)據(jù)進(jìn)行分析,定義病例樣本集S={U,C,D,V,f}。其中U為病例樣本的實(shí)例集合?,即論域;C為條件屬性;D為決策屬性;Vi為屬性i的值域;f為信息映射函數(shù),f:C(C∪D)→V。

    根據(jù)給定的訓(xùn)練集建立決策樹,找到肺癌診斷的推理規(guī)則,進(jìn)行智能診斷并預(yù)測病人的情況。因此如何建立快速且準(zhǔn)確的診斷規(guī)則,即如何快速準(zhǔn)確地建立決策樹是關(guān)鍵。

    2.1 粗糙集約簡算法模型

    定義1:已知論域U,對于每一個(gè)屬性子集P?(C∪D),P≠?,定義不可分辨關(guān)系IND(P);則有:?x∈U,[x]IND(P)=[x]p=∩?R∈P[x]R。即論域U上的一個(gè)劃分為U/IND(P),IND(P)為論域U的等價(jià)關(guān)系,即有U/IND(P)={[x]IND(p)|?x∈U}。

    (1)

    (2)

    定義3:對于R∈C,對于決策條件D,如果

    posIND(C)(IND(D))=posIND(C-{R})(IND(D))

    (3)

    則R是條件屬性C上D的可約分關(guān)系,否則是不可約分關(guān)系。

    定義4:在論域U上,所有的條件屬性C上D的不可約分關(guān)系構(gòu)成的集合,稱為C的核心集,記為Core(C)。核心集為條件屬性的所有約簡集的交集,所以約簡集一定包含核心集,且對于每個(gè)病例樣本集核心集是唯一的。

    定義5:對于病例集S={U,C,D,V,f},對于所有的屬性P,Q屬于C,有Q對P的依賴度為

    (4)

    若有屬性k=1,則P和Q等價(jià)。所以為了節(jié)省計(jì)算量,P和Q不應(yīng)該出現(xiàn)在同一個(gè)最小約簡集。

    文中采用基于屬性依賴度的可分辨矩陣約簡算法,對于經(jīng)典的屬性頻率的約簡算法而言,減小了很多不必要的計(jì)算,并且考慮了屬性間的依賴性,使屬性約簡集更加完備[14]。

    對于病例集S,構(gòu)建其二進(jìn)制可分辨矩陣:

    m((i,j),k)=

    (5)

    當(dāng)m((i,j),k)=1時(shí),表示屬性ck在(xi,xj),xi,xj∈U下可區(qū)分,否則不可區(qū)分。

    文中基于核心集Core(C),首先求最小約簡集R=Core(C),然后求核心集對應(yīng)的等價(jià)屬性,并在可分辨矩陣中去掉其等價(jià)屬性對應(yīng)的值,然后選擇|M(ck)|最大值的屬性ck加入最小約簡集。

    2.2 決策樹算法模型—C4.5算法

    由問題定義可知,在病例集S={U,C,D,V,f}中,假設(shè)它的一個(gè)劃分為{X1,X2,…,Xn},其中pi=P(xi),則有:

    (6)

    信息熵最早由香農(nóng)提出,表示物理學(xué)上信息的不確定度,而在數(shù)學(xué)上則表示為信息冗余度和概率之間的關(guān)系。信息熵增益表示病例集S按照某條件屬性C劃分時(shí)造成熵減少的期望,如下:

    Gain(S,C)=Entropy(S)-

    (7)

    其中,Vc表示某一條件屬性c的值域;Sv表示病例集S中屬性C劃分時(shí),屬性C取值為v的子集合的信息熵。

    ID3算法以信息熵增益作為條件屬性選擇的依據(jù),更傾向于選擇屬性取值多的屬性作為決策樹的節(jié)點(diǎn),而某些情況下這些節(jié)點(diǎn)并不是特別有價(jià)值。而C4.5算法用信息熵增益率代替了信息熵增益作為選擇的標(biāo)準(zhǔn),克服了ID3算法的不足。信息熵增益率計(jì)算方法如下:

    (8)

    其中,SplitInformation(S,C)表示按照條件屬性C劃分病例集的廣度和均勻性,稱為分裂因子,其公式為:

    (9)

    決策樹算法是基于屬性頻率的,所以ID3算法和基于粗糙集決策樹無法處理好連續(xù)的實(shí)數(shù)型參數(shù),因此要對連續(xù)實(shí)數(shù)型屬性進(jìn)行離散化。假設(shè)條件屬性C1是連續(xù)實(shí)數(shù)型的,且樣本總數(shù)為n,則設(shè)它的取值序列為VC1={v1,v2,…,vn}。C4.5算法將對它做如下處理:

    步驟1:將VC1={v1,v2,…,vn}進(jìn)行排序。

    步驟2:對已經(jīng)排序好的取值序列,以相鄰兩個(gè)元素的和作為斷點(diǎn),如下:

    v=(vi+vi+1)/2(1≤i≤n)

    (10)

    步驟3:總共取了n-1個(gè)斷點(diǎn),對決策系統(tǒng)而言,單個(gè)斷點(diǎn)將病例集分成條件屬性C1≤v和C1>v兩部分,對每個(gè)斷點(diǎn)計(jì)算GainRatio(S,v)的值,選GainRatio(S,v)最大的那個(gè)作為區(qū)分屬性C1的分割閾值,從而將屬性C1離散化。

    為了避免由于訓(xùn)練集S過多,加大樹的深度,樹過飽和,而導(dǎo)致樹的準(zhǔn)確率下降,采用悲觀剪枝的方法對其進(jìn)行剪枝。

    3 算法設(shè)計(jì)

    3.1 算法描述

    基于可分辨矩陣的粗糙集屬性約簡的C4.5智能診斷算法包括兩部分:基于屬性依賴改進(jìn)的可分辨矩陣屬性約簡算法,給定病例集S,對S進(jìn)行屬性約簡,得到最小屬性約簡集;然后將S進(jìn)行簡化,即只留下最小約簡集的屬性和決策屬性,得到簡化后的病例集S,然后用C4.5算法構(gòu)建決策樹,提取關(guān)于S的規(guī)則。

    算法1:基于屬性依賴改進(jìn)的可分辨矩陣的屬性約簡算法。

    輸入:U,原始病例樣本集,待屬性約簡;

    輸出:U,屬性約簡后的樣本實(shí)例集。

    步驟1:求基于論域U,條件屬性C的正域。通過式[3]找出所有不可約分關(guān)系,并求不可約分關(guān)系的交集即為核心集Core(C)。設(shè)最小約簡集R=Core(C);

    步驟2:求Core(C)的等價(jià)關(guān)系,并從條件屬性和樣本集U中去掉相關(guān)的值;

    步驟3:構(gòu)建二進(jìn)制可分辨矩陣,選擇|M(ck)|最大值的條件ck加入最小約簡集;

    步驟4:如果R滿足知識(shí)完備性,則得到最小約簡集,去掉不是約簡集中數(shù)據(jù)的樣本實(shí)例集U,不然返回步驟3。

    算法2:基于C4.5的決策樹構(gòu)造算法。

    輸入:U,屬性約簡后待訓(xùn)練的病例樣本實(shí)例集;

    輸出:Tree,構(gòu)建好的基于C4.5算法的決策樹C4.5_DTree(U)。

    步驟1:計(jì)算病例集的每個(gè)條件屬性的取值范圍VC;

    步驟2:如果當(dāng)前的樣本集U對于決策屬性的取值全部相同,則將葉子節(jié)點(diǎn)賦值為該決策屬性的取值,或者樣本集的條件屬性集為空,則葉子取值為決策屬性取值比較多的值,并返回,不然轉(zhuǎn)入步驟3;

    步驟3:計(jì)算每個(gè)條件屬性Ci的信息熵增益,首先判斷是否是連續(xù)性取值,如果是,按照2.2節(jié)中的算法求其基于決策屬性Dj的信息增益率,如果條件屬性為離散值,直接求該屬性對于決策屬性Dj的信息熵增益率;

    步驟4:取信息熵增益率最大的條件屬性Cmax作為決策樹的節(jié)點(diǎn),并從條件屬性集中刪除屬性Cmax;

    步驟5:根據(jù)條件屬性Cmax的取值對樣本集U進(jìn)行劃分,并返回步驟2;

    步驟6:根據(jù)樣本集對決策樹進(jìn)行悲觀剪枝。

    3.2 算法改進(jìn)

    決策樹建立在已知病例集上,一課決策樹的預(yù)測和分析可能會(huì)不太準(zhǔn)確,為了提高準(zhǔn)確率,文中構(gòu)建了決策樹森林,即將屬性約簡之后的病例集隨機(jī)劃分成多個(gè)病例集,然后每個(gè)病例集生成多棵決策樹,多棵決策樹構(gòu)成森林。由于構(gòu)建每棵決策樹的病例集是獨(dú)立的,所以決策樹之間沒有關(guān)聯(lián),當(dāng)有一條新的病例數(shù)據(jù)產(chǎn)生時(shí),讓森林里的每一棵決策樹分別進(jìn)行判斷,以概率最大的結(jié)果作為決策結(jié)果,可以提高準(zhǔn)確率。

    4 性能評價(jià)與系統(tǒng)仿真

    為驗(yàn)證文中算法對醫(yī)療診斷推理的正確性和有效性,取某醫(yī)療系統(tǒng)關(guān)于肺癌診斷的一些電子病例集,對基于屬性依賴的可分辨矩陣屬性約簡算法與可分辨矩陣屬性約簡算法進(jìn)行性能比較,將單純的C4.5算法、屬性約簡與單棵C4.5決策樹、屬性約簡和C4.5決策樹隨機(jī)森林進(jìn)行性能比較。

    4.1 仿真數(shù)據(jù)與仿真指標(biāo)

    采用某醫(yī)療系統(tǒng)關(guān)于肺癌手術(shù)后是否康復(fù)或者壽命只為1年的醫(yī)療數(shù)據(jù)進(jìn)行分析,該數(shù)據(jù)總共有870條記錄,有16個(gè)條件屬性,1個(gè)決策屬性,如表1所示。

    表1 屬性表

    以編寫的C++程序作為測試工具,主要從分類的正確性和時(shí)間消耗這兩個(gè)方面對肺癌數(shù)據(jù)的分析進(jìn)行評價(jià)。

    4.2 仿真結(jié)果

    在仿真中,為驗(yàn)證文中提出算法的時(shí)間性能,將其與可分辨矩陣屬性約簡算法進(jìn)行性能比較,如表2所示。

    表2 屬性約簡算法的實(shí)驗(yàn)結(jié)果比較

    這個(gè)數(shù)據(jù)集的核屬性有5個(gè)。從表2可知,兩種算法在肺癌的診斷數(shù)據(jù)上得到的最佳簡約集相同,但是基于屬性依賴的可分辨矩陣屬性約簡算法比可分辨矩陣屬性約簡算法的時(shí)間消耗小,前者大約是后者的0.6倍左右。

    表3列舉了約簡后的部分?jǐn)?shù)據(jù)集。

    表3 屬性約簡之后的部分?jǐn)?shù)據(jù)集

    為驗(yàn)證屬性約簡之后用C4.5算法以及C4.5加隨機(jī)森林的準(zhǔn)確性,進(jìn)行了規(guī)則提取的仿真。從870條記錄中隨機(jī)抽取120條作為檢驗(yàn)正確性的測試集,然后用剩下的750條做訓(xùn)練集。對于單純的C4.5算法,未經(jīng)過屬性約簡,直接將原始的病例集作為訓(xùn)練集,構(gòu)建決策樹,構(gòu)建好的決策樹的節(jié)點(diǎn)有236個(gè),規(guī)則有91條,準(zhǔn)確率為80.8%,比較低,耗時(shí)為2.326 s。

    屬性約簡后的訓(xùn)練集,用C4.5算法構(gòu)建單棵決策樹,得到146個(gè)節(jié)點(diǎn),78條規(guī)則,正確率為91.7%,有比較大的提升,耗時(shí)減少為1.843 s。

    屬性約簡和單棵C4.5決策樹直接將這750條測試數(shù)據(jù)當(dāng)作訓(xùn)練集即可,而對于屬性約簡和C4.5決策樹隨機(jī)森林,該算法要先進(jìn)行屬性約簡,然后將約簡后的750條數(shù)據(jù)隨機(jī)抽樣出300條記錄,抽樣成5份訓(xùn)練集,然后測試集進(jìn)行測試時(shí)走每棵決策樹的結(jié)果,將以占比大的推理結(jié)果作為結(jié)果,時(shí)間消耗比單棵決策樹有所提高,為2.048 s,但正確率提升為94.2%。

    表4 決策樹算法的實(shí)驗(yàn)結(jié)果比較

    實(shí)驗(yàn)結(jié)果表明,屬性約簡之后再用C4.5算法,減少了時(shí)間消耗,提高了肺癌診斷的正確性,而且耗時(shí)短。說明去掉那些不必要的因素可以很好地提高推理的正確性,而且也防止了決策樹因訓(xùn)練集太多,導(dǎo)致過飽和,而使正確性下降。從表4可以看出,加入隨機(jī)森林之后,醫(yī)療診斷的準(zhǔn)確度有所提升,這很好地避免了由于訓(xùn)練集過多而使決策樹節(jié)點(diǎn)過多,從而導(dǎo)致不準(zhǔn)確的情況。該算法使肺癌診斷的準(zhǔn)確性上升了一個(gè)臺(tái)階。

    5 結(jié)束語

    對肺癌診斷數(shù)據(jù)進(jìn)行研究與分析,著重于醫(yī)療數(shù)據(jù)屬性冗余度大的問題,提出了一種基于屬性依賴的可分辨矩陣的屬性約簡算法,找出最佳約簡集,減少了很多不必要的屬性。仿真結(jié)果表明,與基于可分辨矩陣的屬性約簡算法比較,在保證信息量的前提下,減少了算法時(shí)間開銷。對快速提出準(zhǔn)確規(guī)則問題,文中將屬性約簡后的訓(xùn)練集用C4.5算法進(jìn)行規(guī)則提出,相比直接進(jìn)行C4.5算法,準(zhǔn)確率提高很多,時(shí)間消耗也降低了。為了提高分類的準(zhǔn)確性,提出了基礎(chǔ)C4.5算法的隨機(jī)森林,實(shí)驗(yàn)結(jié)果表明,該算法提高了肺癌診斷結(jié)果的準(zhǔn)確性。該方法不只可以用在肺癌數(shù)據(jù)的分類推理中,也可以用在其他病醫(yī)療數(shù)據(jù)中;但是文中本質(zhì)上是根據(jù)醫(yī)療記錄對肺癌數(shù)據(jù)進(jìn)行的分類訓(xùn)練,對其他未知的情況無法給出明確的解答,這個(gè)問題還要在后期研究工作繼續(xù)探索。

    [1] RUEDA A,GONZLEZ F A,ROMERO E.Extracting salient brain patterns for imaging-based classification of neurodegenerative diseases[J].IEEE Transactions on Medical Imaging,2014,33(6):1262-1274.

    [2] INUIGUCHI M.Attribute reduction in variable precision rough set model[J].International Journal of Uncertainty,Fuzziness and Knowledge-Based Systems,2011,14(4):461-479.

    [3] 王 靖,王興偉,趙 悅.基于變精度粗糙集決策樹垃圾郵件過濾[J].系統(tǒng)仿真學(xué)報(bào),2016,28(3):705-710.

    [4] SZELAG M,GRECO S,SOWISKI R.Variable consistency dominance-based rough set approach to preference learning in multicriteria ranking[J].Information Sciences,2014,277(2):525-552.

    [5] 鄂 旭,任駿原,畢嘉娜,等.基于粗糙變精度的食品安全決策樹研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2014,24(1):242-245.

    [6] 徐興梅,曹麗英.基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測研究[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào),2014,45(10):95-100.

    [7] 賈曉芬,趙佰亭,周孟然,等.基于粗糙集約簡的圖像插值方法[J].計(jì)算機(jī)應(yīng)用研究,2015,32(2):623-626.

    [8] 高舉紅,趙天一.基于粗糙集理論的危險(xiǎn)品運(yùn)輸風(fēng)險(xiǎn)分析[J].安全與環(huán)境學(xué)報(bào),2015,15(1):40-43.

    [9] 蔣亞坤,李文云,趙 瑩,等.粗糙集與證據(jù)理論結(jié)合的電網(wǎng)運(yùn)行優(yōu)質(zhì)性綜合評價(jià)[J].電力系統(tǒng)保護(hù)與控制,2015,43(13):1-7.

    [10] SKOWRON A,RAUSZER C.The discernibility matrices and functions in information system[J].Theory and Decision Library,2012,11:331-362.

    [11] 常梨云,王國胤,吳 渝.一種基于Rough Set理論的屬性約簡及規(guī)則提取方法[J].軟件學(xué)報(bào),1999,10(11):1206-1211.

    [12] 常志玲,周慶敏.基于變精度粗糙集的決策樹優(yōu)化算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2006,27(17):3175-3177.

    [13] ZHAO Guoying,HUANG Xiaohua,MATTI T,et al.Facial expression recognition from near-infrared videos[J].Image and Vision Computing,2011,29(9):607-619.

    [14] 王 玨,王 任,苗奪謙,等.基于Rough Set理論的“數(shù)據(jù)濃縮”[J].計(jì)算機(jī)學(xué)報(bào),1998,21(5):393-400.

    ApplicationofDecisionTreeBasedonRoughSetinMedicalDiagnosis

    HUANG Jin-jing,CHEN Dai,LI Meng-tian

    (School of Computer Science and Technology,China University of Mining and Technology,Xuzhou 221116,China)

    Online medical diagnosis is becoming more and more popular,so more and more data are in electronic records.How to reduce the redundancy of medical data,extract useful medical value rapidly from a large number of medical data,and improve the speed and accuracy of medical diagnosis has become a hot issue.In view of it,some data of diagnosis of lung cancer in medical system are researched,and the C4.5 algorithm of attribute reduction based on attribute-dependent improved discernibility matrix is established and improved by stochastic forest.Attribute reduction algorithm reduces the redundancy of medical data,the decision tree algorithm extracts some rules of lung cancer diagnosis,and the stochastic forest raises the accuracy of diagnosis.In this paper,simulation and application are carried out under the scenario of lung cancer diagnosis.The simple C4.5 algorithm is made a comparison with the attribute reduction and the single C4.5 decision tree,and attribute reduction and random forests of C4.5 decision tree.The experiment shows that the proposed method accelerates the computing and improves the accuracy of medical diagnosis.

    rough set;attribute reduction;discernibility matrix;C4.5 algorithm;decision tree

    TP39

    A

    1673-629X(2017)12-0148-05

    10.3969/j.issn.1673-629X.2017.12.032

    2017-01-21

    2017-05-25 < class="emphasis_bold">網(wǎng)絡(luò)出版時(shí)間

    時(shí)間:2017-09-27

    國家級(jí)大學(xué)生創(chuàng)新項(xiàng)目(201510290002)

    黃錦靜(1994-),女,研究方向?yàn)橛?jì)算機(jī)科學(xué)與技術(shù);陳 岱,副教授,研究方向?yàn)橛?jì)算機(jī)應(yīng)用。

    http://kns.cnki.net/kcms/detail/61.1450.TP.20170927.1000.074.html

    猜你喜歡
    約簡粗糙集決策樹
    基于Pawlak粗糙集模型的集合運(yùn)算關(guān)系
    一種針對不均衡數(shù)據(jù)集的SVM決策樹算法
    基于二進(jìn)制鏈表的粗糙集屬性約簡
    決策樹和隨機(jī)森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    實(shí)值多變量維數(shù)約簡:綜述
    基于模糊貼近度的屬性約簡
    多?;植诩再|(zhì)的幾個(gè)充分條件
    基于決策樹的出租車乘客出行目的識(shí)別
    雙論域粗糙集在故障診斷中的應(yīng)用
    兩個(gè)域上的覆蓋變精度粗糙集模型
    国产国拍精品亚洲av在线观看| 欧美zozozo另类| 最近在线观看免费完整版| 免费看日本二区| 成人一区二区视频在线观看| 国产精品亚洲美女久久久| 午夜福利在线观看免费完整高清在 | 伦精品一区二区三区| 成人av一区二区三区在线看| 亚洲av美国av| 精品久久久久久久末码| 亚洲国产精品国产精品| 免费av不卡在线播放| 91av网一区二区| or卡值多少钱| 日本黄色片子视频| 亚洲成av人片在线播放无| 22中文网久久字幕| 我要看日韩黄色一级片| 午夜激情欧美在线| 久久人人爽人人片av| 99久久成人亚洲精品观看| 亚洲av成人精品一区久久| 日韩,欧美,国产一区二区三区 | 身体一侧抽搐| 免费电影在线观看免费观看| 在现免费观看毛片| 麻豆一二三区av精品| 12—13女人毛片做爰片一| 99热只有精品国产| 国产淫片久久久久久久久| 十八禁国产超污无遮挡网站| 成人毛片a级毛片在线播放| 国产成年人精品一区二区| 日韩高清综合在线| 成人美女网站在线观看视频| 悠悠久久av| 国产精品一区二区三区四区久久| 人妻少妇偷人精品九色| 欧美高清成人免费视频www| 22中文网久久字幕| 在线观看美女被高潮喷水网站| 非洲黑人性xxxx精品又粗又长| a级一级毛片免费在线观看| 免费在线观看影片大全网站| 亚洲无线在线观看| 免费看av在线观看网站| 中文字幕av在线有码专区| 伊人久久精品亚洲午夜| 变态另类成人亚洲欧美熟女| 亚洲电影在线观看av| 午夜福利在线观看免费完整高清在 | 国产精品人妻久久久久久| 搞女人的毛片| 91狼人影院| 久久精品国产亚洲av涩爱 | 免费观看精品视频网站| 精品欧美国产一区二区三| 18禁在线播放成人免费| 最近中文字幕高清免费大全6| 久久久国产成人免费| 最新在线观看一区二区三区| 99久国产av精品| 美女被艹到高潮喷水动态| 伦理电影大哥的女人| 亚洲中文字幕一区二区三区有码在线看| 身体一侧抽搐| 日本 av在线| 狂野欧美激情性xxxx在线观看| 免费大片18禁| 麻豆成人午夜福利视频| 一本精品99久久精品77| 亚洲国产日韩欧美精品在线观看| 国产精品人妻久久久久久| 日韩,欧美,国产一区二区三区 | 亚洲性夜色夜夜综合| 国模一区二区三区四区视频| 一进一出抽搐动态| 国产美女午夜福利| 久久精品国产亚洲网站| 亚洲不卡免费看| 亚洲三级黄色毛片| 国产伦在线观看视频一区| 少妇高潮的动态图| 亚洲第一区二区三区不卡| 国产av在哪里看| 色综合亚洲欧美另类图片| 久久久精品94久久精品| 日本免费a在线| 一区二区三区免费毛片| 国产麻豆成人av免费视频| 精品99又大又爽又粗少妇毛片| 国产探花在线观看一区二区| 欧美激情久久久久久爽电影| 一区二区三区高清视频在线| 精品久久久久久久久亚洲| 日日摸夜夜添夜夜爱| 日本黄色片子视频| 亚洲欧美日韩高清在线视频| 国产伦一二天堂av在线观看| 亚洲av五月六月丁香网| 免费观看在线日韩| av.在线天堂| 久久欧美精品欧美久久欧美| 亚洲精品成人久久久久久| АⅤ资源中文在线天堂| 极品教师在线视频| 久久精品夜色国产| 色av中文字幕| 亚洲aⅴ乱码一区二区在线播放| 最近手机中文字幕大全| 国产精品久久久久久久久免| 亚洲天堂国产精品一区在线| 成人一区二区视频在线观看| 日本成人三级电影网站| 国产一区二区三区av在线 | 日产精品乱码卡一卡2卡三| 我的女老师完整版在线观看| 亚洲18禁久久av| 国产精品精品国产色婷婷| 国产精品三级大全| 舔av片在线| 天堂√8在线中文| 欧美性猛交╳xxx乱大交人| 午夜免费激情av| 麻豆乱淫一区二区| 中文在线观看免费www的网站| 真人做人爱边吃奶动态| 人人妻人人澡人人爽人人夜夜 | 人人妻人人澡欧美一区二区| 亚洲最大成人av| 久久久国产成人免费| a级一级毛片免费在线观看| 亚洲激情五月婷婷啪啪| 一个人免费在线观看电影| 亚洲精品乱码久久久v下载方式| 国产精品久久久久久久电影| 国产一区二区在线av高清观看| 麻豆乱淫一区二区| 熟女电影av网| 精品久久久久久久久av| 一卡2卡三卡四卡精品乱码亚洲| 久久鲁丝午夜福利片| 久久久久久久久大av| 亚洲国产色片| 色综合色国产| 一级毛片电影观看 | 亚洲av熟女| 尤物成人国产欧美一区二区三区| 此物有八面人人有两片| 最后的刺客免费高清国语| 欧美最黄视频在线播放免费| 久久精品久久久久久噜噜老黄 | 亚洲国产精品成人综合色| 观看免费一级毛片| 久久人人精品亚洲av| 免费人成视频x8x8入口观看| 麻豆一二三区av精品| 午夜影院日韩av| 免费看美女性在线毛片视频| 少妇熟女欧美另类| 精品一区二区三区av网在线观看| 美女被艹到高潮喷水动态| av天堂中文字幕网| 一区二区三区高清视频在线| 热99在线观看视频| 国产高清有码在线观看视频| 99热6这里只有精品| 国产探花在线观看一区二区| .国产精品久久| 色噜噜av男人的天堂激情| 久久久久久国产a免费观看| 日本a在线网址| 午夜福利成人在线免费观看| 伊人久久精品亚洲午夜| 欧美日韩精品成人综合77777| 欧美在线一区亚洲| 亚洲一区高清亚洲精品| 一级毛片我不卡| 亚洲aⅴ乱码一区二区在线播放| 成熟少妇高潮喷水视频| 黄色日韩在线| 久久久久久伊人网av| 性色avwww在线观看| 精品人妻一区二区三区麻豆 | 久久国产乱子免费精品| 亚洲av第一区精品v没综合| 欧美极品一区二区三区四区| 三级男女做爰猛烈吃奶摸视频| 久久久久久伊人网av| 麻豆成人午夜福利视频| av专区在线播放| 成人av一区二区三区在线看| 深夜精品福利| 久久午夜亚洲精品久久| 国内久久婷婷六月综合欲色啪| 久久久欧美国产精品| 不卡一级毛片| 色吧在线观看| 一个人观看的视频www高清免费观看| 久久久久国内视频| 桃色一区二区三区在线观看| 国产色婷婷99| 九九在线视频观看精品| 午夜福利高清视频| 哪里可以看免费的av片| 狠狠狠狠99中文字幕| 国产精品久久久久久久久免| 看片在线看免费视频| 全区人妻精品视频| 高清日韩中文字幕在线| 99riav亚洲国产免费| 欧美成人免费av一区二区三区| 特级一级黄色大片| 日日啪夜夜撸| 一个人免费在线观看电影| 麻豆乱淫一区二区| 国产成人影院久久av| 国产久久久一区二区三区| 少妇高潮的动态图| 亚洲成人精品中文字幕电影| 久久精品国产清高在天天线| 卡戴珊不雅视频在线播放| 亚洲一区高清亚洲精品| 国产激情偷乱视频一区二区| 三级国产精品欧美在线观看| 99热网站在线观看| 卡戴珊不雅视频在线播放| 成人亚洲精品av一区二区| 91狼人影院| 老熟妇仑乱视频hdxx| 亚洲熟妇中文字幕五十中出| 禁无遮挡网站| 青春草视频在线免费观看| 91久久精品电影网| 女生性感内裤真人,穿戴方法视频| 欧美xxxx性猛交bbbb| 午夜免费男女啪啪视频观看 | 亚洲va在线va天堂va国产| 直男gayav资源| 少妇高潮的动态图| 欧美bdsm另类| 国产精品久久久久久av不卡| 国产色爽女视频免费观看| 日本成人三级电影网站| 亚洲美女视频黄频| 欧美激情在线99| 在线播放国产精品三级| 免费观看在线日韩| 哪里可以看免费的av片| 国产淫片久久久久久久久| 99久久精品一区二区三区| 久久精品91蜜桃| 国产精品一及| 毛片女人毛片| 99热这里只有是精品50| 亚洲一区二区三区色噜噜| 长腿黑丝高跟| 别揉我奶头~嗯~啊~动态视频| 欧美潮喷喷水| ponron亚洲| 听说在线观看完整版免费高清| 在线看三级毛片| 国产成人一区二区在线| 国产不卡一卡二| 欧美zozozo另类| 中文字幕人妻熟人妻熟丝袜美| 国产视频一区二区在线看| 亚洲一级一片aⅴ在线观看| 亚洲国产色片| 欧美激情国产日韩精品一区| 成人国产麻豆网| 男人和女人高潮做爰伦理| 美女被艹到高潮喷水动态| 午夜爱爱视频在线播放| 久久草成人影院| 国产白丝娇喘喷水9色精品| 国产精品一区二区三区四区久久| 久久精品夜色国产| 两性午夜刺激爽爽歪歪视频在线观看| 久久亚洲精品不卡| 一夜夜www| 晚上一个人看的免费电影| 国产伦在线观看视频一区| 2021天堂中文幕一二区在线观| 少妇的逼好多水| 99热这里只有是精品在线观看| 亚洲欧美日韩东京热| 99热只有精品国产| 99在线视频只有这里精品首页| 久久精品国产自在天天线| 亚洲内射少妇av| 一进一出抽搐动态| 亚洲av五月六月丁香网| 久久久精品94久久精品| 精品99又大又爽又粗少妇毛片| 一区二区三区高清视频在线| а√天堂www在线а√下载| 尤物成人国产欧美一区二区三区| 久久热精品热| 一区二区三区免费毛片| 日韩成人伦理影院| 国产成年人精品一区二区| 欧美中文日本在线观看视频| 亚洲中文字幕日韩| 乱人视频在线观看| 精品一区二区三区av网在线观看| 国产男靠女视频免费网站| 春色校园在线视频观看| 免费av观看视频| 欧美日韩精品成人综合77777| 中国美女看黄片| 亚洲av成人精品一区久久| 人妻夜夜爽99麻豆av| 91久久精品国产一区二区三区| 又爽又黄无遮挡网站| 在线观看免费视频日本深夜| 欧美一区二区国产精品久久精品| 晚上一个人看的免费电影| 免费观看在线日韩| 黄色视频,在线免费观看| 亚洲第一电影网av| 午夜福利高清视频| 日本爱情动作片www.在线观看 | 在线观看av片永久免费下载| а√天堂www在线а√下载| 国产色爽女视频免费观看| 国产av在哪里看| 久久久久国内视频| 亚洲国产日韩欧美精品在线观看| 草草在线视频免费看| 亚洲精品456在线播放app| 人人妻,人人澡人人爽秒播| 亚洲成人久久爱视频| 身体一侧抽搐| 简卡轻食公司| 国产爱豆传媒在线观看| 在线免费十八禁| 午夜福利在线观看免费完整高清在 | 欧美在线一区亚洲| 看十八女毛片水多多多| 国产精品久久视频播放| 99久久九九国产精品国产免费| 日日干狠狠操夜夜爽| 欧美+日韩+精品| 噜噜噜噜噜久久久久久91| 成人一区二区视频在线观看| 欧美一区二区国产精品久久精品| 国产精品人妻久久久久久| a级毛片免费高清观看在线播放| 可以在线观看毛片的网站| АⅤ资源中文在线天堂| 真人做人爱边吃奶动态| 乱人视频在线观看| 欧美绝顶高潮抽搐喷水| 亚洲aⅴ乱码一区二区在线播放| 看免费成人av毛片| 99久久无色码亚洲精品果冻| 国语自产精品视频在线第100页| 日日摸夜夜添夜夜爱| 少妇高潮的动态图| 在线观看午夜福利视频| 亚洲成人精品中文字幕电影| 男人狂女人下面高潮的视频| 男女下面进入的视频免费午夜| 中出人妻视频一区二区| 久久精品夜夜夜夜夜久久蜜豆| 校园春色视频在线观看| 99久久精品热视频| 国产aⅴ精品一区二区三区波| www.色视频.com| 国内久久婷婷六月综合欲色啪| 久久婷婷人人爽人人干人人爱| 国产精品久久电影中文字幕| 精品一区二区免费观看| 久久久久久久亚洲中文字幕| 国产一区二区在线av高清观看| 免费一级毛片在线播放高清视频| 舔av片在线| 亚洲无线观看免费| 精品免费久久久久久久清纯| 日韩精品中文字幕看吧| 欧美成人一区二区免费高清观看| 小说图片视频综合网站| 在现免费观看毛片| 亚洲精品亚洲一区二区| 夜夜夜夜夜久久久久| 日韩欧美精品v在线| 性欧美人与动物交配| 日本色播在线视频| 99热这里只有精品一区| 99久久精品热视频| 国产又黄又爽又无遮挡在线| 国产av不卡久久| 国产欧美日韩精品一区二区| 成人漫画全彩无遮挡| 欧美最黄视频在线播放免费| 日日撸夜夜添| 色视频www国产| 国语自产精品视频在线第100页| 色综合站精品国产| 欧美中文日本在线观看视频| 欧美日韩一区二区视频在线观看视频在线 | 国产精品1区2区在线观看.| 97在线视频观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲自拍偷在线| 国产精品一区www在线观看| 国产精品亚洲一级av第二区| 天美传媒精品一区二区| 日日摸夜夜添夜夜添小说| 99久久中文字幕三级久久日本| 国产精品伦人一区二区| 又粗又爽又猛毛片免费看| 99riav亚洲国产免费| 黄色一级大片看看| 亚洲最大成人av| 联通29元200g的流量卡| 久久久久久久久大av| 成人亚洲精品av一区二区| 自拍偷自拍亚洲精品老妇| 精品人妻熟女av久视频| 九九在线视频观看精品| 日日干狠狠操夜夜爽| 欧美日本视频| 久久久久久久午夜电影| 成年免费大片在线观看| 男插女下体视频免费在线播放| 精品久久久久久久人妻蜜臀av| 美女大奶头视频| 能在线免费观看的黄片| 在线观看66精品国产| 色综合色国产| 国产视频一区二区在线看| av在线播放精品| 国产精品不卡视频一区二区| 亚洲熟妇熟女久久| av在线老鸭窝| 久久这里只有精品中国| 亚洲精品456在线播放app| 国产精品久久久久久亚洲av鲁大| 亚洲最大成人手机在线| 久久久久免费精品人妻一区二区| 国产男人的电影天堂91| 一本精品99久久精品77| 久久这里只有精品中国| 午夜福利成人在线免费观看| 精品人妻视频免费看| 在线看三级毛片| 久久热精品热| 久久久国产成人免费| 精品熟女少妇av免费看| 两个人的视频大全免费| videossex国产| 成人亚洲欧美一区二区av| 午夜精品在线福利| 2021天堂中文幕一二区在线观| 校园春色视频在线观看| 波多野结衣高清作品| 亚洲人成网站在线观看播放| 丝袜美腿在线中文| 人妻夜夜爽99麻豆av| a级毛色黄片| 一区福利在线观看| 青春草视频在线免费观看| 亚洲性夜色夜夜综合| 白带黄色成豆腐渣| 久久午夜亚洲精品久久| 国产精品福利在线免费观看| 高清毛片免费看| 久久精品影院6| 国产伦在线观看视频一区| 亚洲五月天丁香| 人妻夜夜爽99麻豆av| 51国产日韩欧美| 两个人的视频大全免费| 欧美色视频一区免费| 国产精品亚洲美女久久久| 一个人看视频在线观看www免费| 国产精品免费一区二区三区在线| 精品日产1卡2卡| 18禁黄网站禁片免费观看直播| 亚洲国产色片| 三级国产精品欧美在线观看| 人妻少妇偷人精品九色| 国内少妇人妻偷人精品xxx网站| 18禁裸乳无遮挡免费网站照片| 18+在线观看网站| 俄罗斯特黄特色一大片| 色5月婷婷丁香| a级毛片a级免费在线| 老女人水多毛片| 免费电影在线观看免费观看| 亚洲图色成人| 男女下面进入的视频免费午夜| 成熟少妇高潮喷水视频| 少妇被粗大猛烈的视频| 女的被弄到高潮叫床怎么办| 日韩中字成人| 蜜桃亚洲精品一区二区三区| 国产精品无大码| 99久国产av精品| 国产一区二区在线观看日韩| 亚洲av不卡在线观看| 少妇被粗大猛烈的视频| 成年av动漫网址| 久久婷婷人人爽人人干人人爱| 亚洲图色成人| 日日撸夜夜添| 丝袜喷水一区| 国产成年人精品一区二区| 亚洲在线观看片| 波多野结衣高清作品| 啦啦啦韩国在线观看视频| 亚洲熟妇熟女久久| 看片在线看免费视频| 日韩强制内射视频| 中文资源天堂在线| 久久综合国产亚洲精品| 91狼人影院| 日本a在线网址| 少妇熟女aⅴ在线视频| 毛片一级片免费看久久久久| 久久国内精品自在自线图片| 97超碰精品成人国产| 久久久久久国产a免费观看| 99久久精品一区二区三区| 综合色av麻豆| 国产免费一级a男人的天堂| 91久久精品国产一区二区成人| 日韩国内少妇激情av| 女人十人毛片免费观看3o分钟| 国产探花极品一区二区| 色播亚洲综合网| 中文亚洲av片在线观看爽| 国产人妻一区二区三区在| 国产精品久久久久久亚洲av鲁大| 啦啦啦啦在线视频资源| 少妇丰满av| 久久久久久久亚洲中文字幕| 国产成人福利小说| 日日摸夜夜添夜夜添小说| 成人漫画全彩无遮挡| 中国美白少妇内射xxxbb| 99国产精品一区二区蜜桃av| 熟女电影av网| 国产麻豆成人av免费视频| 神马国产精品三级电影在线观看| 干丝袜人妻中文字幕| 国产真实伦视频高清在线观看| 特大巨黑吊av在线直播| 国产精品av视频在线免费观看| 亚洲精品456在线播放app| 日日啪夜夜撸| 校园春色视频在线观看| 久久这里只有精品中国| 黄色欧美视频在线观看| 黄色视频,在线免费观看| 亚洲国产精品合色在线| 欧美xxxx黑人xx丫x性爽| 我的老师免费观看完整版| 非洲黑人性xxxx精品又粗又长| av国产免费在线观看| 国产在视频线在精品| 亚洲精品色激情综合| av在线老鸭窝| 国产av不卡久久| 国产午夜精品论理片| 亚洲av第一区精品v没综合| 搡老熟女国产l中国老女人| 少妇裸体淫交视频免费看高清| 人人妻人人看人人澡| 精品午夜福利在线看| 蜜桃久久精品国产亚洲av| 国产成人91sexporn| 麻豆乱淫一区二区| 一进一出抽搐gif免费好疼| 18禁裸乳无遮挡免费网站照片| 日本黄大片高清| 在线看三级毛片| 五月伊人婷婷丁香| 99热这里只有精品一区| av免费在线看不卡| 天堂av国产一区二区熟女人妻| 国产精品日韩av在线免费观看| 赤兔流量卡办理| 国产亚洲91精品色在线| 亚洲性久久影院| 欧美激情在线99| 亚洲欧美精品自产自拍| 麻豆乱淫一区二区| 男女下面进入的视频免费午夜| 九九爱精品视频在线观看| 91麻豆精品激情在线观看国产| 国产大屁股一区二区在线视频| 国产黄a三级三级三级人| 久久久久久久久久成人| 午夜福利视频1000在线观看| 国产三级中文精品| 日本在线视频免费播放| 午夜免费男女啪啪视频观看 | 99国产精品一区二区蜜桃av| 免费av不卡在线播放| 午夜免费激情av| 两个人的视频大全免费| 久久久久性生活片| 亚洲欧美日韩无卡精品| 十八禁国产超污无遮挡网站| 中国国产av一级| 成人亚洲欧美一区二区av| 秋霞在线观看毛片| 久久精品夜夜夜夜夜久久蜜豆| 欧美丝袜亚洲另类| 亚洲精品成人久久久久久| 中文字幕人妻熟人妻熟丝袜美|