[发明专利]一种医学空缺数据弥补方法

说明书

本发明公开了一种医学空缺数据弥补方法，该方法包括以下步骤：步骤1、找出哪些聚集记录包含空缺值；步骤2、对于聚焦数据集中每一个包含空缺值的聚集记录，根据原始数据集中的已知数据元组，计算数据空缺值的数量；步骤3、根据医学数据的具体情况，设定空缺值的最低值和最高值；步骤4、根据步骤2计算的数据空缺值的数量和步骤3的设定值进行比对，确定医学空缺数据弥补采用的具体方法。本发明的医学空缺数据弥补方法，针对空缺值数量的多少，进行相应的处理，能有效减小数据挖掘算法与实际应用之间的差距，处理后的医学数据系统完备化程度较高，适合推广应用。

技术领域

本发明属于医学技术领域，涉及一种医学空缺数据弥补方法。

背景技术

众所周知，由于网络带宽的限制，目前国内的医学网站大多以文字信息为主，而这种现状已经无法满足21世纪医学界在教学科研、资源共享、远程交流等方面的需要。近年来，，互联网的普及与发展，极大的推动了全球信息化和网络化的进程，互联网上丰富的医学信息资源正慢慢成为医学信息的巨大宝库。在这两种需求下，而医学数据库也就应运而生了。在计算机中，数据库是依照某种数据模型组织起来并存放二级存储器中的数据集合。而当数据库运用到医院系统中时，既能够改变传统医学文档存储方式的冗余和不易查找的问题，又能够维护医学文档的统一性和权威性。在针对医学数据挖掘各个环节过程中，数据不完全的现象是不可避免的，存在着不同程度的空缺数据，也称为空缺值。为了能在生物医学研究领域中有效地应用数据挖掘的方法和系统，就必须面对数据不完整的挑战。

发明内容

本发明的目的在于提供一种医学空缺数据弥补方法。

其具体技术方案为：

一种医学空缺数据弥补方法，包括以下步骤：

步骤1、找出哪些聚集记录包含空缺值；

步骤2、对于聚焦数据集中每一个包含空缺值的聚集记录，根据原始数据集中的已知数据元组，计算数据空缺值的数量；

步骤3、根据医学数据的具体情况，设定空缺值的最低值和最高值；

步骤4、根据步骤2计算的数据空缺值的数量和步骤3的设定值进行比对，确定医学空缺数据弥补采用的具体方法；

如果空缺值的数量小于最低设定值，就直接将存在缺失信息属性值的记录删除，从而得到一个完备的信息表；

如果空缺值的数量大于最低设定值但是小于最多设定值，根据决策表中其余对象取值的分布情况来对一个空值进行填充；

如果空缺值的数量大于最高设定值，则不处理，直接在包含空值的数据上进行数据挖掘。

进一步，步骤4中，对一个空值进行填充的方法包括：人工填写、特殊值填充、平均值填充、热卡填充、最近距离邻法、使用所有可能的值填充、组合完整化方法、回归、多重填补、期望值最大化方法。

进一步，步骤4中，直接在包含空值的数据上进行数据挖掘采用的方法，包括贝叶斯网络和人工神经网络。

与现有技术相比，本发明的有益效果为：

本发明的医学空缺数据弥补方法，针对空缺值数量的多少，进行相应的处理，能有效减小数据挖掘算法与实际应用之间的差距，处理后的医学数据系统完备化程度较高，适合推广应用。

具体实施方式

下面结合实施例对本发明的技术方案作进一步详细地说明。

一种医学空缺数据弥补方法，包括以下步骤：

步骤1、找出哪些聚集记录包含空缺值；

步骤2、对于聚焦数据集中每一个包含空缺值的聚集记录，根据原始数据集中的已知数据元组，计算数据空缺值的数量；