粗糙集理论在肝病辅助诊断中应用.docVIP

粗糙集理论在肝病辅助诊断中应用 　　摘要：粗糙集理论主要研究由论域和属性集构成的知识表达系统。医疗诊断中，大量病例、疾病症状和疾病诊断结果构成了一个医学信息决策系统。通过决策属性对条件属性依赖度和重要性分析，发现诊断结果与临床症状之间的关系，提取医学决策规则。实验表明，粗糙集用于肝病辅助诊断方法是正确可行的。 　　关键词：粗糙集； 肝病诊断；属性重要性；属性依赖度 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）28-6591-02 　　“大数据”时代，海量的数据中蕴藏着具有决策意义的信息，数据挖掘技术能够从大量的、不完全的、有噪声的、模糊的数据中发现隐含的、未知的、具有潜在价值的信息和知识[1]。在众多数据挖掘技术中，粗糙集理论和方法在处理不精确、不确定、不完整数据时，无须提供问题所需要处理的数据之外的任何先验信息，从中挖发现隐含知识，揭示潜在的规律。目前，它已被广泛应用于人工智能、模式识别、智能信息处理的领域，并取得了丰硕成果。 　　病毒性肝炎、脂肪肝、酒精肝、肝硬化、肝癌等肝病是威胁人类健康的主要疾病之一。当前，我国有慢性无症状乙肝病毒携带者约1.2亿，慢性乙肝病人约3000万，丙肝感染者约1000万。研究表明，全球80%的原发性肝癌都是由病毒性肝炎引起的。如何有效控制肝脏疾病，预防肝硬化、肝癌的发生，是当前肝病防治领域所面临的重大挑战。 　　临床医学诊断中，症状数据是疾病诊断的主要依据。根据医学信息数据库中大量诊断病例，以疾病诊断结果作为决策属性，以疾病症状数据为条件属性，发现医学诊断规则和模式，可以辅助临床医学诊断，提高临床诊断的准确性。 　　1 粗糙集理论 　　定义1 信息系统 S=（U，A，V，f），U为非空有限集合，称为论域；A为非空有限的属性集合；V为属性值域，V=∪{Va|a∈A}；f为U×A→V上的一个信息函数，表示?a∈A，x∈U，f（x，a）∈Va。如果A=C∪D，且C∩D=φ，C为条件属性集，D为决策属性集，信息系统也称为决策系统[2]。 　　定义2 正域 S=（U，A，V，f），X?U，R?A，属性集R的等价类Ri=[X]R，则X的R下近似R*（X）和正域POSR（X）定义为： 　　R*（X）=∪{Ri| Ri∈U/R且Ri?X）} 　　POSR（X）= R*（X） 　　决策系统S=（U， C∪DA，V，f），决策属性D在条件属性C下的正域定义为： 　　POSC（D）=∪{C*（Xi）| Xi∈U/D} 　　POSC（D）表明根据C进行的划分U/C，能够确切划入U/D中元素的集合。 　　定义3 属性依赖度 决策属性D对条件属性子集P?C的依赖度定义为： 　　k=?P（D）=|POSP（D）|/|U| 　　|?|表示集合中元素的个数。k=1，表示根据条件属性P集，可以对U中所有数据准确分类；0k1，表示根据条件属性集P，只能将POSP（D）中数据准确分类；k=0，表示根据条件属性P集，不能对U中所有数据准确分类。 　　定义4信息熵 决策系统S=（U， C∪D，V，f），U/C={X1， X2，...，Xm}，U/D={Y1， Y2，...，Yn}，则条件属性集C的信息熵H（C）和决策属性集D的信息熵H（D）以及D相对于C的条件信息熵H（D|C）分别定义为： 　　[H（C）=-i=1mp（Xi）log（p（Xi））] 　　[H（D）=-j=1np（Yj）log（p（Yj））] 　　[H（D|C）=-i=1mp（Xi）j=1np（Yj|Xi）log（p（Yj|Xi））] 　　其中p（Xi）=| Xi|/|U|，p（Yj）=| Yj|/|U|，p（Yj|Xi）=| Yj∩Xi|/| Xi|。 　　文[3]给出 H（D|C）=H（D∪C） - H（C） 　　定义5 属性重要性 　　依据依赖度的变化定义：S=（U， C∪D，V，f），?c∈C的重要性定义为： 　　SFG（c，C-{c}，D）= ?C（D）-?C-{c}（D） 　　依据信息熵定义：SFG（c，C-{c}，D）=H（D|C-{c}） - H（D|C） 　　决策系统即决策表中每一行都对应一条决策规则，如何得到约简的决策规则集是研究的目的。决策规则的约简是通过属性和属性值约简实现的，消去C中不重要的属性和冗余的属性值，简化决策规则。 　　2 粗糙集在医学决策表中应用 　　（c9） 正常、乏力；是否乙肝（d） 是、否。 　　随机从表1中抽取200条记录构成论域U，|U|=200，条件属性集C={c1，c2，c3， c4，c5，c6，c7，c8，c9}，决策属性集D={d}。另外20条记录构成测试样本集V。 　　用结构化查询语言SQL的select