健康大數(shù)據(jù)預處理技術及其應用.pdf

1、隨著信息科技的快速發(fā)展，人類社會開始步入創(chuàng)造和挖掘知識的信息革命時代。信息技術逐漸應用于電信、金融、教育、電子商務甚至政府決策等領域。而在國家全面建設醫(yī)療信息化的浪潮中，將大數(shù)據(jù)技術應用于與民生息息相關的醫(yī)療健康領域成為當下發(fā)展的一個熱點。
　　由于醫(yī)療數(shù)據(jù)的特點如海量、高維度、不規(guī)范等，對醫(yī)療健康信息進行數(shù)據(jù)預處理是挖掘分析前的一個不可或缺的重要步驟。通過預處理分析不僅可以提高數(shù)據(jù)挖掘的質(zhì)量，還能從一定程度上提高挖掘效率。本文結(jié)

2、合現(xiàn)有技術，分別對兩個醫(yī)療健康數(shù)據(jù)集進行預處理分析并對部分方法進行技術改進，主要工作如下：
　?。?）“人口死亡”數(shù)據(jù)集預處理方法的研究與改進。對“人口死亡”數(shù)據(jù)集進行特點分析并對其進行合適的預處理分析，著重研究采用隨機森林算法對數(shù)據(jù)集“死亡方式”屬性的缺失值進行填補。由于該數(shù)據(jù)集的非平衡性大大影響隨機森林填補缺失值的效果，因此采用過采樣技術SMOTE算法對數(shù)據(jù)集進行平衡性改善；并針對SMOTE算法存在的缺陷提出創(chuàng)新性改進。實驗表

3、明，數(shù)據(jù)集在使用改進的SMOTE算法進行平衡性改造后，隨機森林對數(shù)據(jù)集的缺失值填補效果更佳。
　?。?）“癲癇病腦電波”數(shù)據(jù)集預處理方法的研究與改進。研究腦電波數(shù)據(jù)集預處理相關技術；并著重研究局部線性嵌入算法對腦電波頻域信號進行降維。針對局部線性嵌入算法選擇鄰域點過大時造成的“短路邊”問題，提出一種基于K-Means和均值的自適應選擇方法。經(jīng)過實驗對比分析，改進后的局部線性嵌入算法具有更好的降維效果并具有良好的推廣能力。