基于改进贝叶斯网络的健康大数据分类模型

doi:10.3969/j.issn.1006-2475.2017.12.012

计算机与现代化

基于改进贝叶斯网络的健康大数据分类模型

(1.电子科技大学计算机科学与工程学院,四川成都611731;2.东莞成电金盘软件技术有限公司,广东东莞523808; 3.四川大学华西妇产儿童医院,四川成都610041;4.电子科技大学广东电子信息工程研究院,广东东莞523808)

收稿日期:2017-04-18 出版日期:2017-12-25 发布日期:2017-12-26
作者简介:梁聪(1992-),男,湖北孝感人,电子科技大学计算机科学与工程学院硕士研究生,研究方向:大数据分析,机器学习; 廖欣(1981-),女,四川成都人,四川大学华西妇产儿童医院病理科主诊医师，香港理工大学医疗技术系生物医学专业硕士,澳大利亚皇家墨尔本理工大学实验医学硕士,研究方向:妇产科临床病理诊断,人工智能在疾病诊断与病理分析中的应用。
基金资助:
广东省协同创新与平台环境建设专项资金资助项目（产学研合作项目）(2014A090906004)

A Healthy Big Data Classification Model Based on Improved Bayesian Network

(1. School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China;  2. Dongguan Chengdian Gold Plate Software Technology Co. Ltd., Dongguan 523808, China; 3. Huaxi Matenity and Child Hospital of Sichuan University, Chengdu 610041, China; 4. Guangdong Electronic Information Engineering Research Institute, University of Electronic Science and Technology of China, Dongguan 523808, China)

Received:2017-04-18 Online:2017-12-25 Published:2017-12-26

摘要/Abstract

摘要： 贝叶斯网络是数据挖掘领域的研究热点，它是一种确定事物间不确定性依赖关系的有效工具。本文研究传统贝叶斯网络结构学习算法的优点和不足，并针对原算法的不足之处提出了改进。将改进后的算法应用于健康大数据集上，确定了数据集中各个健康属性之间的依赖关系，建立了相关属性依赖关系的网络结构。最终运用该网络结构对数据集中的数据进行自动分类。实验结果表明，本文基于贝叶斯网络建立的健康大数据分类模型具有良好的性能，实现了预期效果。

关键词: 健康大数据, 贝叶斯网络, 不确定性依赖, 分类模型

Abstract: Bayesian network is a research hotspot in the field of data mining. It is an effective tool for the determination of the uncertain dependencies. This paper studies the advantages and disadvantages of the traditional Bayesian network structure learning algorithm, and determines the dependencies among the various health attributes in the data set, establishes the network structure of dependency relation between related attributes. Finally, the network structure is used to automatically classify the data in the data set. Experiments show that the health big data classification model based on Bayesian network has a good performance and achieves the expected effect.

Key words: healthy big data, Bayesian network, uncertainty dependence, classification model

中图分类号:

TP181

梁聪1,2,廖欣3,郑欣1,陈雷霆1,4. 基于改进贝叶斯网络的健康大数据分类模型[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.12.012.

LIANG Cong1,2, LIAO Xin 3, ZHENG Xin1, CHEN Lei-ting1,4. A Healthy Big Data Classification Model Based on Improved Bayesian Network[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.12.012.

参考文献

［1］张连文,郭海鹏. 贝叶斯网引论［M］. 北京:科学出版社, 2006. ［2］Cooper G F, Herskovits E. A Bayesian method for the induction of probabilistic networks from data［J］. Machine Learning, 1992,9(4):309-347. ［3］Bouckaert R R. Properties of Bayesian belief network learning algorithms［C］// Proceedings of the 10th Conference on Uncertainty in Artificial Intelligence. 1994:102-109. ［4］Heckerman D, Geiger D, Chickering D M. Learning Bayesian networks: The combination of knowledge and statistical data［J］. Machine Learning, 1995,20(3):197-243. ［5］刘乐乐,田卫东. 基于属性互信息熵的量化关联规则挖掘［J］. 计算机工程, 2009,35(14):38-40. ［6］Sprites P, Glymour C, Scheines R. Causality from probability［C］// Evolving Knowledge in Natural and Artificial Intelligence. 1990:181-199. ［7］Cheng Jie, Greiner R, Kelly J, et al. Learning Bayesian networks from data: An efficient information-theory based approach［J］. Artificial Intelligence, 2002,137(1-2):43-90. ［8］刘峰. 贝叶斯网络结构学习算法研究［D］. 北京:北京邮电大学, 2008. ［9］朱明敏,刘三阳,汪春峰. 基于先验节点序学习贝叶斯网络结构的优化方法［J］. 自动化学报, 2011,37(12):1514-1519. ［10］Peng Hanchuan, Long Fuhui, Ding C. Feature selection based on mutual information: Criteria of max-dependency, max-relevance, and min-redundancy［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005,27(8):1226-1238. ［11］陈坤. 基于MRMR的贝叶斯网络结构学习算法研究［D］. 苏州:苏州大学, 2013. ［12］张平,刘三阳,朱明敏. 基于人工蜂群算法的贝叶斯网络结构学习［J］. 智能系统学报, 2014(3):325-329. ［13］Heckerman D. Bayesian networks for data mining［J］. Data Mining and Knowledge Discovery, 1997,1(1):79-119. ［14］高晓光,赵欢欢,任佳. 基于蚁群优化的贝叶斯网络学习［J］. 系统工程与电子技术, 2010,32(7):1509-1512. ［15］Tsamardinos I, Brown L E, Aliferis C F. The max-min hill-climbing Bayesian network structure learning algorithm［J］. Machine Learning, 2006,65(1):31-78. ［16］王双成,唐海燕,刘喜华. 用于离散变量因果分析的贝叶斯网络学习［J］. 系统工程学报, 2008,23(5):596-602.

[1]	张军, 邱龙龙. 一种基于BERT和池化操作的文本分类模型[J]. 计算机与现代化, 2022, 0(06): 1-7.
[2]	陈海洋1，环晓敏1，陈新展2，刘喜庆1. 基于TAN分类器的交通灯时间智能动态估计[J]. 计算机与现代化, 2019, 0(11): 81-.
[3]	杜薇，周武能. 基于CTC模型的无分割文本验证码识别[J]. 计算机与现代化, 2018, 0(09): 48-.
[4]	代令令，蒋侃. 基于fastText的中文文本分类[J]. 计算机与现代化, 2018, 0(05): 35-.
[5]	黄玉洁，唐作其. 基于改进贝叶斯模型的信息安全风险评估[J]. 计算机与现代化, 2018, 0(04): 95-.
[6]	明芳，徐金安，王楠，陈钰枫，张玉洁. 融合时态特征的日英层次短语翻译模型[J]. 计算机与现代化, 2017, 0(6): 1-7.
[7]	孙玲芳1，徐会2，李金海3. 基于贝叶斯网络的新媒体事件分类模型[J]. 计算机与现代化, 2014, 0(5): 65-69,73.
[8]	胡兴鸿1，2，施大鹏1，2，冯桂焕1，2 . 一种手写图文分离方法[J]. 计算机与现代化, 2013, 12(12): 145-148.
[9]	胡心宇;朱斐. 一种癌症蛋白质作用网络分析的方法[J]. 计算机与现代化, 2013, 1(11): 151-154.
[10]	王涛;陈红英. 基于贝叶斯网络的概念间语义相似度计算[J]. 计算机与现代化, 2012, 1(9): 65-68,1.
[11]	赵爽;林永民. 基于领域本体的贝叶斯网络检索模型研究[J]. 计算机与现代化, 2012, 1(03): 103-105.

基于改进贝叶斯网络的健康大数据分类模型

A Healthy Big Data Classification Model Based on Improved Bayesian Network

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价