• <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
    亚洲精品亚洲一区二区| 国产精品偷伦视频观看了| 免费看不卡的av| 内地一区二区视频在线| 日韩亚洲欧美综合| 老司机影院成人| 中国国产av一级| 久久99热这里只有精品18| 纵有疾风起免费观看全集完整版| 日韩,欧美,国产一区二区三区| 欧美成人精品欧美一级黄| 中文字幕精品免费在线观看视频 | 秋霞伦理黄片| 国产v大片淫在线免费观看| 精品一区二区三区视频在线| 草草在线视频免费看| 日本-黄色视频高清免费观看| 色综合色国产| 伦精品一区二区三区| 中文在线观看免费www的网站| 中文字幕免费在线视频6| 久久久久久久大尺度免费视频| 超碰97精品在线观看| 午夜激情福利司机影院| 亚洲欧美一区二区三区国产| 精品一区二区三区视频在线| 麻豆成人午夜福利视频| 在线 av 中文字幕| 亚洲国产精品成人久久小说| 乱系列少妇在线播放| 99久国产av精品国产电影| 国产亚洲精品久久久com| 在线免费十八禁| 麻豆成人午夜福利视频| 亚洲欧美一区二区三区国产| 国产中年淑女户外野战色| 国产视频内射| 热re99久久精品国产66热6| 天堂俺去俺来也www色官网| 久久99热6这里只有精品| 久久精品久久久久久久性| 色视频www国产| 热re99久久精品国产66热6| 欧美成人精品欧美一级黄| 国产91av在线免费观看| 99热这里只有精品一区| 亚洲美女搞黄在线观看| 亚洲图色成人| 人妻 亚洲 视频| 日韩欧美一区视频在线观看 | 精品亚洲成国产av| 国产乱人偷精品视频| videos熟女内射| 久久国产精品男人的天堂亚洲 | 亚洲色图av天堂| 成人免费观看视频高清| .国产精品久久| 亚洲电影在线观看av| 身体一侧抽搐| 日韩人妻高清精品专区| 自拍偷自拍亚洲精品老妇| 日本午夜av视频| 又大又黄又爽视频免费| 高清日韩中文字幕在线| 久久久久视频综合| 精品久久久久久久久av| 成人18禁高潮啪啪吃奶动态图 | 欧美97在线视频| av视频免费观看在线观看| 国产精品99久久久久久久久| 精品酒店卫生间| 大陆偷拍与自拍| av网站免费在线观看视频| 汤姆久久久久久久影院中文字幕| 一区二区三区精品91| 美女主播在线视频| 日韩伦理黄色片| 亚洲av男天堂| 国产男人的电影天堂91| 免费久久久久久久精品成人欧美视频 | 日本黄色日本黄色录像| 亚洲,欧美,日韩| 五月开心婷婷网| av福利片在线观看| 老司机影院毛片| 交换朋友夫妻互换小说| 国产精品福利在线免费观看| 婷婷色综合大香蕉| 99久久中文字幕三级久久日本| 自拍欧美九色日韩亚洲蝌蚪91 | 舔av片在线| 啦啦啦中文免费视频观看日本| av卡一久久| 久久久久精品性色| 日韩欧美精品免费久久| 精品一区二区三区视频在线| 建设人人有责人人尽责人人享有的 | 王馨瑶露胸无遮挡在线观看| 久久国内精品自在自线图片| 久久国内精品自在自线图片| 丝袜脚勾引网站| 亚洲内射少妇av| 日本av免费视频播放| 日本免费在线观看一区| 午夜免费男女啪啪视频观看| 中文字幕免费在线视频6| 成年人午夜在线观看视频| 免费大片18禁| 十分钟在线观看高清视频www | 狠狠精品人妻久久久久久综合| 夜夜骑夜夜射夜夜干| 国产精品久久久久久av不卡| 色视频在线一区二区三区| 激情 狠狠 欧美| 成人特级av手机在线观看| 国产男人的电影天堂91| 18禁裸乳无遮挡动漫免费视频| 日韩不卡一区二区三区视频在线| 成人黄色视频免费在线看| 中文欧美无线码| 国产精品国产三级专区第一集| 永久免费av网站大全| 在线看a的网站| 你懂的网址亚洲精品在线观看| 一个人看的www免费观看视频| 99re6热这里在线精品视频| kizo精华| 91精品一卡2卡3卡4卡| 久久久欧美国产精品| 国产欧美日韩精品一区二区| 免费少妇av软件| 国产免费又黄又爽又色| 久久国产精品男人的天堂亚洲 | 免费看不卡的av| 国产又色又爽无遮挡免| 国产日韩欧美在线精品| 亚洲av成人精品一区久久| 国产 一区 欧美 日韩| 老师上课跳d突然被开到最大视频| 欧美高清性xxxxhd video| 国产精品蜜桃在线观看| 干丝袜人妻中文字幕| 韩国av在线不卡| 午夜激情福利司机影院| 亚洲人与动物交配视频| 国产精品久久久久久精品电影小说 | 国产视频内射| 中文乱码字字幕精品一区二区三区| 91精品国产国语对白视频| 国产av国产精品国产| 国精品久久久久久国模美| av在线播放精品| av在线播放精品| 国产精品久久久久久av不卡| 美女内射精品一级片tv| 97热精品久久久久久| 午夜福利影视在线免费观看| av国产久精品久网站免费入址| av国产久精品久网站免费入址| 午夜老司机福利剧场| 亚洲综合精品二区| 美女cb高潮喷水在线观看| 日本一二三区视频观看| 老司机影院成人| 久久久久性生活片| 色婷婷久久久亚洲欧美| 黄色怎么调成土黄色| 国产高清有码在线观看视频| av卡一久久| 99久久精品国产国产毛片| 尤物成人国产欧美一区二区三区| 在线观看人妻少妇| 一级爰片在线观看| 亚洲av中文字字幕乱码综合| 日韩成人伦理影院| www.av在线官网国产| 99精国产麻豆久久婷婷| 久久人妻熟女aⅴ| 中文字幕av成人在线电影| 日本与韩国留学比较| 久久精品久久久久久噜噜老黄| 亚洲伊人久久精品综合| 国产男人的电影天堂91| 免费久久久久久久精品成人欧美视频 | 人体艺术视频欧美日本| 亚洲激情五月婷婷啪啪| 亚洲精品视频女| av国产免费在线观看| 草草在线视频免费看| 精品午夜福利在线看| 狂野欧美激情性xxxx在线观看| 国产美女午夜福利| 亚洲丝袜综合中文字幕| 亚洲三级黄色毛片| 另类亚洲欧美激情| 高清视频免费观看一区二区| 久久鲁丝午夜福利片| 黄色日韩在线| 三级经典国产精品| 久久女婷五月综合色啪小说| 国产有黄有色有爽视频| 永久免费av网站大全| 午夜日本视频在线| 精品人妻视频免费看| av免费观看日本| 国内揄拍国产精品人妻在线| 国产精品一及| 精品午夜福利在线看| 黑人猛操日本美女一级片| 中国国产av一级| 免费观看无遮挡的男女| 精品久久久精品久久久| 国产精品嫩草影院av在线观看| 在现免费观看毛片| 麻豆成人午夜福利视频| 国产精品久久久久久精品电影小说 | 中文乱码字字幕精品一区二区三区| 免费观看的影片在线观看| 毛片女人毛片| 久久国内精品自在自线图片| 大香蕉97超碰在线| 大香蕉97超碰在线| 亚洲av不卡在线观看| 亚洲精品乱码久久久v下载方式| 亚洲国产精品999| 久久久亚洲精品成人影院| 五月玫瑰六月丁香| 国产精品久久久久久精品电影小说 | 国产精品一区www在线观看| 人妻少妇偷人精品九色| 精品人妻熟女av久视频| 51国产日韩欧美| 天堂俺去俺来也www色官网| 亚洲精品456在线播放app| 欧美成人午夜免费资源| 在线免费十八禁| 国产淫片久久久久久久久| 美女xxoo啪啪120秒动态图| 国产亚洲最大av| 一级二级三级毛片免费看| 嫩草影院新地址| 国产成人a∨麻豆精品| 毛片一级片免费看久久久久| 一区二区三区免费毛片| 一区二区三区免费毛片| 日本欧美国产在线视频| 亚洲欧美中文字幕日韩二区| 久久人人爽人人片av| 国产91av在线免费观看| 国产色婷婷99| 日韩国内少妇激情av| av.在线天堂| 亚洲精品日韩av片在线观看| 在线观看三级黄色| 免费观看性生交大片5| 18禁裸乳无遮挡免费网站照片| 水蜜桃什么品种好| 国产爽快片一区二区三区| 小蜜桃在线观看免费完整版高清| 久久久久国产网址| 国产永久视频网站| www.色视频.com| 国产精品女同一区二区软件| 国产在视频线精品| 免费看日本二区| 国产日韩欧美在线精品| www.av在线官网国产| 中文字幕av成人在线电影| 亚洲伊人久久精品综合| 偷拍熟女少妇极品色| 在现免费观看毛片| 熟妇人妻不卡中文字幕| 国产午夜精品一二区理论片| 中文资源天堂在线| 岛国毛片在线播放| 亚洲精品自拍成人| 久久久久视频综合| 免费观看无遮挡的男女| 少妇人妻精品综合一区二区| 日日啪夜夜爽| 久久精品国产亚洲av涩爱| 久久热精品热| 十分钟在线观看高清视频www | 黄片wwwwww| 九色成人免费人妻av| 精品久久久精品久久久| 蜜桃久久精品国产亚洲av| 高清视频免费观看一区二区| 亚洲一区二区三区欧美精品| 国产亚洲欧美精品永久| 性色avwww在线观看| 亚洲第一av免费看| 黄色配什么色好看| 亚洲一区二区三区欧美精品| 亚洲精品乱久久久久久| 国产黄片视频在线免费观看| 97精品久久久久久久久久精品| 亚洲人成网站高清观看| h日本视频在线播放| 自拍偷自拍亚洲精品老妇| 大片电影免费在线观看免费| 美女高潮的动态| 色网站视频免费| 啦啦啦在线观看免费高清www| 国产无遮挡羞羞视频在线观看| 亚洲av二区三区四区| 18禁裸乳无遮挡动漫免费视频| 亚洲高清免费不卡视频| 亚洲美女搞黄在线观看| 九草在线视频观看| 欧美日韩在线观看h| 多毛熟女@视频| 国产老妇伦熟女老妇高清| 99热这里只有是精品50| 大陆偷拍与自拍| 美女国产视频在线观看| 18禁在线无遮挡免费观看视频| 中文字幕制服av| 伦精品一区二区三区| 免费人妻精品一区二区三区视频| 男女国产视频网站| 国产精品一区www在线观看| 精品一区二区三卡| 寂寞人妻少妇视频99o| 国产精品一及| 国语对白做爰xxxⅹ性视频网站| 国产欧美日韩一区二区三区在线 | 精品午夜福利在线看| 最近手机中文字幕大全| 国产乱人偷精品视频| 国产成人精品福利久久| 久久国产乱子免费精品| 一级毛片久久久久久久久女| 啦啦啦啦在线视频资源| 亚洲精品一二三| 国产精品福利在线免费观看| 我要看日韩黄色一级片| 秋霞在线观看毛片| 赤兔流量卡办理| 91午夜精品亚洲一区二区三区| 2018国产大陆天天弄谢| 简卡轻食公司| 美女中出高潮动态图| 午夜福利网站1000一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91 | 精品久久久久久久末码| 高清在线视频一区二区三区| 黄色日韩在线| 国产成人91sexporn| 最后的刺客免费高清国语| 高清在线视频一区二区三区| 插逼视频在线观看| 18禁裸乳无遮挡动漫免费视频| 我要看黄色一级片免费的| 国产成人a区在线观看| 日韩一本色道免费dvd| 激情五月婷婷亚洲| 亚洲精品成人av观看孕妇| 另类亚洲欧美激情| 国产精品福利在线免费观看| 视频中文字幕在线观看| 久久久久久久大尺度免费视频| 日韩,欧美,国产一区二区三区| 亚洲美女视频黄频| 亚洲va在线va天堂va国产| 国产日韩欧美在线精品| 亚洲av日韩在线播放| 2018国产大陆天天弄谢| 乱系列少妇在线播放| 国产成人午夜福利电影在线观看| 免费高清在线观看视频在线观看| 国产高清国产精品国产三级 | 国产女主播在线喷水免费视频网站| 国产成人精品婷婷| 国产黄色视频一区二区在线观看| 午夜免费男女啪啪视频观看| 久久99蜜桃精品久久| 综合色丁香网| 亚洲美女搞黄在线观看| 人体艺术视频欧美日本| 国产精品人妻久久久影院| 精品一区二区三区视频在线| a级一级毛片免费在线观看| 免费人妻精品一区二区三区视频| 精品少妇久久久久久888优播| 久久久久久久国产电影| 性高湖久久久久久久久免费观看| av免费在线看不卡| 简卡轻食公司| 日韩欧美一区视频在线观看 | 在线看a的网站| 欧美少妇被猛烈插入视频| 国产美女午夜福利| 亚洲精品一二三| 少妇被粗大猛烈的视频| 18禁在线无遮挡免费观看视频| 老师上课跳d突然被开到最大视频| 纵有疾风起免费观看全集完整版| 日韩强制内射视频| 极品少妇高潮喷水抽搐| 亚洲电影在线观看av| 夫妻午夜视频| 免费在线观看成人毛片| 日韩成人伦理影院| 少妇丰满av| 欧美成人a在线观看| 免费黄频网站在线观看国产| 亚洲国产高清在线一区二区三| 亚洲av福利一区| 日韩 亚洲 欧美在线| 久久精品国产亚洲av涩爱| 少妇丰满av| 国产免费一区二区三区四区乱码| 国产免费又黄又爽又色| 国产精品成人在线| 亚洲,一卡二卡三卡| 尤物成人国产欧美一区二区三区| 亚洲精品aⅴ在线观看| 国产综合精华液| 国产乱人偷精品视频| 亚洲av欧美aⅴ国产| 亚洲国产精品一区三区| 免费黄频网站在线观看国产| 三级国产精品欧美在线观看| 欧美一区二区亚洲| 久久精品国产a三级三级三级| 三级国产精品欧美在线观看| 欧美一区二区亚洲| 国产久久久一区二区三区| 大话2 男鬼变身卡| 深爱激情五月婷婷| 伊人久久国产一区二区| 日韩av不卡免费在线播放| 国产高清有码在线观看视频| videos熟女内射| 国产亚洲5aaaaa淫片| 亚洲高清免费不卡视频| h视频一区二区三区| 最黄视频免费看| 在现免费观看毛片| 久久久久久久久久成人| 日韩大片免费观看网站| 国产乱来视频区| 国产精品一区二区在线观看99| 日本猛色少妇xxxxx猛交久久| 国产精品伦人一区二区| 全区人妻精品视频| 在线观看国产h片| 久久精品国产a三级三级三级| 日韩av不卡免费在线播放| 卡戴珊不雅视频在线播放| 欧美变态另类bdsm刘玥| 亚洲av成人精品一二三区| 在线免费十八禁| 九草在线视频观看| 日韩av免费高清视频| 国产成人aa在线观看| 午夜免费男女啪啪视频观看| 日韩不卡一区二区三区视频在线| 丝袜脚勾引网站| 国产白丝娇喘喷水9色精品| 国产成人精品婷婷| 极品教师在线视频| 两个人的视频大全免费| 国产高清有码在线观看视频| 日韩一区二区视频免费看| 最黄视频免费看| 国产人妻一区二区三区在| 亚洲中文av在线| 男女边吃奶边做爰视频| 国产久久久一区二区三区| 亚洲精品视频女| 欧美日韩国产mv在线观看视频 | 国产精品av视频在线免费观看| 国产美女午夜福利| 亚洲av二区三区四区| 日韩强制内射视频| videos熟女内射| 国产精品无大码| 成年人午夜在线观看视频| 大香蕉久久网| 国产亚洲最大av| 一个人免费看片子| 欧美精品一区二区免费开放| 日本一二三区视频观看| 黄色一级大片看看| 一级a做视频免费观看| 日日啪夜夜爽| 少妇人妻一区二区三区视频| 色婷婷久久久亚洲欧美| 欧美激情极品国产一区二区三区 | 男女边吃奶边做爰视频| 日日啪夜夜爽| 国产 一区精品| 久久久久性生活片| 九九在线视频观看精品| 黄色怎么调成土黄色| av专区在线播放| 高清日韩中文字幕在线| 嘟嘟电影网在线观看| 久久热精品热| 在线观看美女被高潮喷水网站| 国产淫语在线视频| 99热网站在线观看| 美女视频免费永久观看网站| 22中文网久久字幕| 春色校园在线视频观看| 精品酒店卫生间| 欧美一区二区亚洲| 亚洲丝袜综合中文字幕| 99久久中文字幕三级久久日本| 18禁动态无遮挡网站| 国产乱人视频| 大香蕉97超碰在线| 亚洲经典国产精华液单| 超碰av人人做人人爽久久| 成年女人在线观看亚洲视频| 亚洲av.av天堂| 亚洲精品中文字幕在线视频 | 亚洲三级黄色毛片| 日本vs欧美在线观看视频 | 女的被弄到高潮叫床怎么办| 亚洲欧美日韩无卡精品| 99热这里只有精品一区| 国产真实伦视频高清在线观看| 丝袜脚勾引网站| 亚洲电影在线观看av| 美女内射精品一级片tv| 国产在线视频一区二区| 日本av手机在线免费观看| 另类亚洲欧美激情| 国产精品爽爽va在线观看网站| 秋霞伦理黄片| 一级二级三级毛片免费看| 联通29元200g的流量卡| 亚洲精品久久久久久婷婷小说| 日韩亚洲欧美综合| 你懂的网址亚洲精品在线观看| 在线观看免费高清a一片| 99re6热这里在线精品视频| 夫妻午夜视频| 中文字幕久久专区| 爱豆传媒免费全集在线观看| 直男gayav资源| 精品国产乱码久久久久久小说| 国产亚洲一区二区精品| 午夜福利在线在线| 精品人妻熟女av久视频| av在线蜜桃| 99久国产av精品国产电影| 亚洲成人av在线免费| 久久韩国三级中文字幕| 亚洲欧美日韩东京热| 欧美日韩视频高清一区二区三区二| 80岁老熟妇乱子伦牲交| 国产亚洲91精品色在线| 亚洲人成网站高清观看| 色吧在线观看| 精品亚洲成国产av| 久久久成人免费电影| 内地一区二区视频在线| 欧美bdsm另类| av线在线观看网站| 精品午夜福利在线看| 老女人水多毛片| 亚洲一级一片aⅴ在线观看| av黄色大香蕉| 色婷婷av一区二区三区视频| 在线观看人妻少妇| 亚洲综合色惰| 国产日韩欧美亚洲二区| 国产成人91sexporn| 日日啪夜夜爽| 我的女老师完整版在线观看| 伊人久久国产一区二区| 精品久久久久久电影网| 伊人久久国产一区二区| 色婷婷av一区二区三区视频| 高清在线视频一区二区三区| 色婷婷av一区二区三区视频| 尤物成人国产欧美一区二区三区| 菩萨蛮人人尽说江南好唐韦庄| 直男gayav资源| www.色视频.com| 精品人妻一区二区三区麻豆| av免费在线看不卡| 美女视频免费永久观看网站| 欧美日韩精品成人综合77777| 中文字幕亚洲精品专区| 26uuu在线亚洲综合色| 亚洲精品国产av蜜桃| 日韩不卡一区二区三区视频在线| 蜜桃久久精品国产亚洲av| 亚洲美女视频黄频| 久久久久久久久久久丰满| 免费播放大片免费观看视频在线观看| 中文字幕免费在线视频6| 亚洲欧洲国产日韩| 亚洲精品一区蜜桃| 一级毛片 在线播放| 国产一区有黄有色的免费视频| 国产亚洲91精品色在线| 在线观看免费视频网站a站| 国产精品三级大全| 免费看不卡的av| 欧美日韩视频高清一区二区三区二| 伊人久久精品亚洲午夜| 少妇猛男粗大的猛烈进出视频| av福利片在线观看| 2021少妇久久久久久久久久久| 1000部很黄的大片| 国产成人aa在线观看| 日日啪夜夜撸| 啦啦啦啦在线视频资源| 美女主播在线视频|