基于粗糙集的决策树在医疗诊断中的应用

来源：计算机技术与发展杂志2017年第12期北京时间：

作者：黄锦静;陈岱;李梦天

摘要：网上医疗诊断越来越受欢迎,电子病例的数据也越来越多。 如何从众多的医疗数据中降低医疗数据的冗余度,快速提取有用的医疗价值,提高医疗诊断的速度和精度,成了一个大家研究的热点问题。 针对这一系列问题,研究了医疗系统关于肺癌诊断的一些数据,建立了基于属性依赖改进的可分辨矩阵属性约简的 C4. 5 算法,并用随机森林进行算法改进。属性约简算法降低了医疗数据的冗余度,决策树算法提取了肺癌诊断的一些规则,随机森林提高了医疗诊断的准确性。文中对肺癌诊断场景进行了仿真实验与应用,并将单纯的 C4.5 算法,属性约简与单棵 C4.5 决策树,属性约简和 C4.5决策树随机森林进行性能比较。 实验结果表明,该方法加快了计算速度,提高了医疗诊断的精度。

关键词：粗糙集;属性约简;可分辨矩阵;C4.5 算法;决策树