排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
3.
对疾病相关风险项的分析是数据挖掘理论在医疗领域应用的一个重要内容,可以帮助医生分析疾病成因,从而有效地开展防治工作.医学领域的疾病数据有其自身的特征,例如其高度不平衡性的特点往往使得大量珍贵的信息蕴藏于支持度小的属性项中,直接采用经典的基于支持度的关联规则挖掘算法易造成重要信息的丢失.因此,文中结合医疗领域的知识,基于医学领域常用的统计标准——相对危险度,提出了一种挖掘疾病高风险项集的算法(Mining Algorithm for high Relative Risk Itemsets,MARRI),以及与之相匹配的两种规则剪枝方法,即作用叠加剪枝和样本数剪枝,并在儿童先心病数据集上对算法进行验证.实验结果表明,该算法具有挖掘低支持度项集信息的能力,挖掘出的疾病关联因素更有价值. 相似文献
4.
5.
6.
7.
8.
10.
传统的DBC(Deadline and Budget Constrained)调度算法,比如时间最优调度算法、代价最优调度算法都是在时间(deadline)和代价(budget)的约束下,满足时间或代价单方面的QoS需求的极端情况。针对这一不足,提出了一种基于DBC的性价比资源调度算法,综合考虑了时间和代价的QoS需求,目的在于提高任务的完成量以及任务完成的性价比,并通过推理论证和仿真实验验证了该算法的有效性和优越性。 相似文献