基于Hadoop的健康物聯(lián)網(wǎng)數(shù)據(jù)挖掘算法研究與實(shí)現(xiàn).pdf

1、醫(yī)療衛(wèi)生體系的發(fā)展水平直接關(guān)系到人民群眾的身心健康和中國(guó)夢(mèng)的實(shí)現(xiàn)，是全社會(huì)關(guān)注的熱點(diǎn)。在如今醫(yī)療改革的關(guān)鍵時(shí)期，應(yīng)緊密結(jié)合物聯(lián)網(wǎng)和云計(jì)算技術(shù)，切實(shí)加強(qiáng)醫(yī)療健康領(lǐng)域的信息化水平。健康物聯(lián)網(wǎng)旨在通過(guò)先進(jìn)的感知技術(shù)實(shí)現(xiàn)醫(yī)療信息的準(zhǔn)確、實(shí)時(shí)感知，通過(guò)便捷全方位的通信技術(shù)實(shí)現(xiàn)醫(yī)療健康領(lǐng)域的互聯(lián)互通，通過(guò)高效的數(shù)據(jù)處理技術(shù)實(shí)現(xiàn)醫(yī)療健康信息的全面、科學(xué)分析和預(yù)測(cè)。
　　健康物聯(lián)網(wǎng)數(shù)據(jù)處理總體流程是通過(guò)接收健康物聯(lián)網(wǎng)智能采集終端的海量異構(gòu)數(shù)據(jù)，對(duì)

2、數(shù)據(jù)進(jìn)行分布式存儲(chǔ)，過(guò)濾進(jìn)而對(duì)其進(jìn)行分布式數(shù)據(jù)挖掘，讓醫(yī)學(xué)專家更有效的對(duì)病情進(jìn)行分析?；贖adoop平臺(tái)對(duì)健康物聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行處理挖掘時(shí)，本文首先對(duì)Hadoop源碼進(jìn)行研究，設(shè)計(jì)實(shí)現(xiàn)了分布式數(shù)據(jù)清洗算法以過(guò)濾冗余數(shù)據(jù);接著重點(diǎn)研究設(shè)計(jì)了若干分布式數(shù)據(jù)挖掘算法，并對(duì)這些分布式算法進(jìn)行了正確性驗(yàn)證。通過(guò)對(duì)這些算法的設(shè)計(jì)實(shí)現(xiàn)，可以為上層的健康服務(wù)應(yīng)用提供良好的預(yù)測(cè)模型。
　　對(duì)生理數(shù)據(jù)進(jìn)行分布式數(shù)據(jù)挖掘時(shí)，首先分析了分布式聚類算法，又結(jié)

3、合了蟻群的核心思想設(shè)計(jì)實(shí)現(xiàn)了基于Hadoop的分布式DKBAC(Distributed Kmeans Based on AntClustering)聚類算法。本文對(duì)病理信息數(shù)據(jù)進(jìn)行聚類，通過(guò)實(shí)驗(yàn)將DKBAC算法與相關(guān)分布式聚類算法在準(zhǔn)確率、平均查全率及時(shí)間效率等性能指標(biāo)上做了比較和分析。為滿足健康物聯(lián)網(wǎng)各種預(yù)測(cè)分析的需要，需研究實(shí)現(xiàn)更多數(shù)據(jù)挖掘算法和模型，本文主要研究了基于Hadoop的分布式隨機(jī)森林分類算法與分布式關(guān)聯(lián)規(guī)則算法，并對(duì)算