基于粗糙集的慢性病变分级方法
由于云健康生理监测数据因具有时间连续性、非精确性、模糊性等特性,从而导致传统分类算法很难直接运用.针对上述问题,提出一种基于粗糙集的慢性病变分级方法.该方法首先采用融合相关度和Chi-merge统计量离散化生理监测数据;然后,基于相容矩阵的属性约简算法去除数据冗余属性;最后,基于批量与增量相结合挖掘分类规则,并基于分布计算框架MapReduce应用上述规则实现慢性病变智能分级.实验验证表明,该方法具有较高的识别准确率,有助于个体全面认识健康风险状况.
云健康监测、智能分级、生理监测数据离散化
27
国家自然科学基金61872436;福建省自然科学基金2018J01570;厦门市高校科技创新项目3502220173035;赛尔网络下一代互联网技术创新项目NGI20160708
2019-03-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
268-273