2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、數(shù)據(jù)挖掘也被稱為知識發(fā)現(xiàn),她是指在一些事實或觀察數(shù)據(jù)的集合中尋找隱藏模式的決策支持過程。文本數(shù)據(jù)庫分類是數(shù)據(jù)挖掘中的一個重要內(nèi)容。電子病歷也是一類文本數(shù)據(jù)集。對這些數(shù)據(jù)集進行數(shù)據(jù)挖掘及分類是非常有必要的。本研究中,我們研究了一種新的基于短語匹配的特征提取算法。并把這種算法應(yīng)用到中文真實病歷的分類中,取得較好的分類效果。具體處理過程是,首先采集了醫(yī)院內(nèi)科真實中文病歷200份。然后進行數(shù)據(jù)清洗過程,因為數(shù)據(jù)是來源于醫(yī)院的真實數(shù)據(jù),所以存在著

2、不完整的、含有噪聲的和不一致的數(shù)據(jù)。之后對數(shù)據(jù)進行量化工作,特征提取,在我們的實驗中采用的是一種新的特征提取方法即基于短語的特征提取方法;我們將這200份含有4種病種的病歷進行3種組合,然后通過算法將他們分別進行分類。其中所用到的短語匹配算法可以歸納為如下的步驟: 1)獲得數(shù)據(jù)庫中每對文檔的匹配短語集合。 2)創(chuàng)建一個包括步驟1所有集合的集合。去除這個集合中的匹配短語。 3)把每個文檔表示為一個向量,并歸一化。

3、 4)用SOM創(chuàng)建一個對應(yīng)于這個向量集合的分類器。 5)可視化分類結(jié)果,找出和每一類相關(guān)的特征短語。 真實病歷數(shù)據(jù)實驗表明,這種新的方法能夠以很高的準確度對真實病歷進行分類。這種算法能自動從病歷數(shù)據(jù)集中提取出主要的特征,對病歷進行分類能很好地幫助醫(yī)務(wù)工作人員診斷疾病,并且總結(jié)出不同病種間有哪些以前從未發(fā)現(xiàn)的不同的表現(xiàn)特征。盡管在我們的實驗中所用到的數(shù)據(jù)集是醫(yī)院的病歷,但是這里提出的分類方法如果應(yīng)用到其它類型的文本數(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論