智能化医疗数据信息处理应用及思考-南....pptx

智能化医疗数据（信息）处理应用及思考王崇骏,IIP.Group软件新技术国家重点实验室南京大学计算机科学与技术系南京大学智能信息处理研究组2012年7月20日个人简介王崇骏研究兴趣：智能信息处理电邮: mailto:chjwang@chjwang@电话机站：/新浪微博：@石鼓钟山提纲数据挖掘技术简介我们的一些工作若干挑战一些思考总结数据挖掘定义数据挖掘基本功能分类定义：从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。隐含了两个步骤训练：利用训练集进行模型的训练测试：利用训练好的模型进行分类分类-例子已经知道人的脸型有8种（如下图左）问：下右图几位老师的脸型分别是？分类-例子脉象：中医辨证的依据之一。一般分为浮、沉、迟、数四大类。 晋 王叔和 《脉经》细分为二十四脉， 明 李时珍 《濒湖脉学》增为二十七脉， 明 李中梓 《诊家正眼》增为二十八脉。功能-聚类定义对数据分组，把相似的标记在一个聚集里。需要注意的是：什么叫相似，需要事先进行相似度定义；聚类和分类的区别是聚类不依赖于预先定义好的类，不需要训练集；聚类-例子问题1：左上图中的散点有几个聚集？聚类问题找一个相似性度量方法（比如欧氏距离）左上图或许分为3类比较合适问题2：左下图中的散点有几个聚集？聚类问题找个相似性度量问题左下图聚为几类比较合适呢？1个：颜色3个：距离或许还有其他的答案表明：相似度方法的选择比较重要！聚类-例子电信数据ID：用户电话号码Mobile：移动电话通话时间Fixed：固定电话通话时间DDD: 长途直拨通话时间IP: IP电话通话时间聚类挖掘不同人群拨打电话的特征功能-预测预测是利用历史数据找出变化规律，建立模型，并由此模型对未来数据的种类及特征进行预测。预测关心的是精度和不确定性，通常用预测方差来度量。电力负荷预测已经知道上周的用电量，能预测出本周的用电量吗？功能-关联分析关联两个或两个以上变量的取值之间存在某种规律性，就称为关联；数据关联数据库中存在的一类重要的、可被发现的知识。关联分析的目的是找出数据库中隐藏的关联网。一般用支持度和置信度两个阀值来度量关联规则的相关性；支持度：同时包含X、Y的百分比，即概率；置信度：包含X的事务中同时又包含Y的百分比，即条件概率一般的步骤频繁项集挖掘：从数据中找出所有的高频项目组(Frequent Itemsets)关联规则：由这些高频项目组中产生关联规则(Association Rules)。关联分析-例子经典案例：一般看来，啤酒和尿布是顾客群完全不同的商品；但是沃尔玛一年内数据挖掘的结果显示：在居民区中尿布卖得好的店面啤酒也卖得很好；（关联分析）原因分析：一般太太让先生下楼买尿布的时候，先生们一般都会犒劳自己两听啤酒。因此啤酒和尿布一起购买的机会是最多的。这是一个现代商场智能化信息分析系统发现的秘密；这个故事被公认是商业领域数据挖掘的诞生。特别补充：1）这个是在他国采样分析的结果，在我国未必适用（这个故事表明数据挖掘的分析结果只适应采样数据的对象）；2）比如：你看国内的各大超市，包括沃尔玛自己并未把这两样物品放在一起；功能-偏差分析偏差分析包括分类中的反常实例、例外模式、观测结果对期望值的偏离以及量值随时间的变化等；其基本思想是寻找观察结果与参照量之间的有意义的差别。通过发现异常,可以引起人们对特殊情况加倍注意。链接数据挖掘研究图谱链接数据挖掘-例子网页搜索输入一个关键字，搜索出很多网页网页重要性分析是如何排序的PageRank链接数据挖掘-例子链接预测（链接数据挖掘中的一个方法）的应用犯罪网络中，判断未知的犯罪关系高效推荐链接数据挖掘-例子网络结构演化问题，可广泛用于疾病传播控制、舆情监控等提纲数据挖掘技术简介我们的一些工作若干挑战一些思考总结我们的一些工作中药方剂配伍规律发现研究（我们的工作-1）TCMF-1中药方剂针对不同的证（症、病）使用不同的中药组合（方剂）两个问题为什么有用？客观化研究！TCMF-2Each herbal medicine contains a different chemical compositionThere are over 100K Species Chinese herbal medicineA combination of certain Chinese herbal medicine TCMF contains different herbal medicine compositionMacro-levelComposing different herbal medicine means composing different chemical compos