10.3969/j.issn.1673-629X.2017.12.032
基于粗糙集的决策树在医疗诊断中的应用
网上医疗诊断越来越受欢迎,电子病例的数据也越来越多.如何从众多的医疗数据中降低医疗数据的冗余度,快速提取有用的医疗价值,提高医疗诊断的速度和精度,成了一个大家研究的热点问题.针对这一系列问题,研究了医疗系统关于肺癌诊断的一些数据,建立了基于属性依赖改进的可分辨矩阵属性约简的C4.5算法,并用随机森林进行算法改进.属性约简算法降低了医疗数据的冗余度,决策树算法提取了肺癌诊断的一些规则,随机森林提高了医疗诊断的准确性.文中对肺癌诊断场景进行了仿真实验与应用,并将单纯的C4.5算法,属性约简与单棵C4.5决策树,属性约简和C4.5决策树随机森林进行性能比较.实验结果表明,该方法加快了计算速度,提高了医疗诊断的精度.
粗糙集、属性约简、可分辨矩阵、C4.5算法、决策树
27
TP39(计算技术、计算机技术)
国家级大学生创新项目201510290002
2018-01-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
148-152