健康大數(shù)據(jù)預(yù)處理技術(shù)及其應(yīng)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(shí)代。信息技術(shù)逐漸應(yīng)用于電信、金融、教育、電子商務(wù)甚至政府決策等領(lǐng)域。而在國家全面建設(shè)醫(yī)療信息化的浪潮中，將大數(shù)據(jù)技術(shù)應(yīng)用于與民生息息相關(guān)的醫(yī)療健康領(lǐng)域成為當(dāng)下發(fā)展的一個(gè)熱點(diǎn)。
　　由于醫(yī)療數(shù)據(jù)的特點(diǎn)如海量、高維度、不規(guī)范等，對醫(yī)療健康信息進(jìn)行數(shù)據(jù)預(yù)處理是挖掘分析前的一個(gè)不可或缺的重要步驟。通過預(yù)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(shù)，分別對兩個(gè)醫(yī)療健康數(shù)據(jù)集進(jìn)行預(yù)處理分析并對部分方法進(jìn)行技術(shù)改進(jìn)，主要工作如下：
　?。?）“人口死亡”數(shù)據(jù)集預(yù)處理方法的研究與改進(jìn)。對“人口死亡”數(shù)據(jù)集進(jìn)行特點(diǎn)分析并對其進(jìn)行合適的預(yù)處理分析，著重研究采用隨機(jī)森林算法對數(shù)據(jù)集“死亡方式”屬性的缺失值進(jìn)行填補(bǔ)。由于該數(shù)據(jù)集的非平衡性大大影響隨機(jī)森林填補(bǔ)缺失值的效果，因此采用過采樣技術(shù)SMOTE算法對數(shù)據(jù)集進(jìn)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(jìn)。實(shí)驗(yàn)表

3、明，數(shù)據(jù)集在使用改進(jìn)的SMOTE算法進(jìn)行平衡性改造后，隨機(jī)森林對數(shù)據(jù)集的缺失值填補(bǔ)效果更佳。
　?。?）“癲癇病腦電波”數(shù)據(jù)集預(yù)處理方法的研究與改進(jìn)。研究腦電波數(shù)據(jù)集預(yù)處理相關(guān)技術(shù)；并著重研究局部線性嵌入算法對腦電波頻域信號進(jìn)行降維。針對局部線性嵌入算法選擇鄰域點(diǎn)過大時(shí)造成的“短路邊”問題，提出一種基于K-Means和均值的自適應(yīng)選擇方法。經(jīng)過實(shí)驗(yàn)對比分析，改進(jìn)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。