分类技术在医学诊断中应用研究.pdf

摘要 癌症、糖尿病、SARS 等重大突发疾病的早期发现和确诊是疾病成功治疗的关键。目 前，对这些疾病的诊断主要依靠医生的临床经验。论文利用数据挖掘的分类功能分析过往 临床数据，将医生诊断经验形式化、客观化，以提高诊断的准确率。 论文讨论了医学数据挖掘面临的问题，综述了国内外在应用数据挖掘技术进行医学诊 断方面的研究现状和发展。针对医学数据集维度较高、不利于直接处理的问题，论文研究 了属性子集选择算法，选择与诊断结果相关性较高的属性子集降以低数据维度。在研究分 析多种适用于医学诊断的分类方法的基础上，论文提出基于贝叶斯理论的复合分类方法 （Bayesian-based Compound Classification Method ，BCCM ），采用条件概率计算的方法组合 多个分类器的诊断结果以提高分类准确率。运用复合分类器的基本思想，论文对 KNN 分 类算法进行改进，提出基于贝叶斯理论的模糊 KNN 分类方法（Bayesian-based Fuzzy KNN Classification Method，BFKCM ），将每个最近邻居看做简单的分类器，采用基于贝叶斯理 论的概率计算方法组合 K 个最近邻居的预测结果以提高分类准确率。 在威斯康辛州乳腺癌数