[发明专利]数据挖掘算法及基于数据挖掘的智能手术室监测管理系统

权利要求书

1.基于数据挖掘的智能手术室监测管理系统，其特征在于，包括：

数据监测模块，包括至少两个子单元，对应监测手术室的至少两种数据；

数据采集模块，对所述数据监测模块中各个子单元所记录的数据进行采集，并将所采集的数据存入与所述子单元一一对应的数据库中；

后台管理模块，依据所述数据库内的数据对各所述子单元进行管理，包括：

数据挖掘模块，依据数据挖掘算法对各所述数据库内数据进行挖掘；

所述数据挖掘算法，包括以下步骤：

S01：将等待挖掘的数据集合上传至文件系统中，并设置支持度阈值；

S02：对所述数据集合进行扫描，得到所有出现过的数据，作为候选频繁k项集，k为正整数，其中，频繁0项集为空集；

S03：计算统计候选频繁k项集中数据的支持度；

S04：去除候选频繁k项集中支持度低于所述支持度阈值的数据，得到频繁k项集，若得到的所述频繁k项集为空，则直接返回频繁k-1项集的集合作为算法结果，算法结束，若得到的所述频繁k项集只有一项数据，则直接返回所述频繁k项集的集合作为算法结果，算法结束，否侧执行步骤S05；

S05：基于所述频繁k项集，令k=k+1，重复步骤S02，连接生成候选频繁k+1项集；

数据分析模块，对挖掘结果进行分析；

所述数据挖掘模块基于Hadoop，实现步骤包括：

A01：确定集群机器数量，在各个机器中安装Linux系统和Hadoop；

A02：确定集群中HDFS、YARN的master节点，在master节点上编写相应的配置文件，并将配置好的所述配置文件分发到各个slave节点上，确保集群配置统一，启动集群服务；

A03：通过配置的HDFS和YARN的Web通讯端口，通过浏览器访问HDFS和YARN，检查确保集群中各个节点正常运行，再将数据上传到HDFS分布式文件系统中；

A04：Web后台连接上Hadoop集群，在MapReduce中编写所述的数据挖掘算法，通过后台运行Hadoop集群并对数据进行挖掘；

在Hadoop中实现所述数据挖掘算法，包括以下步骤：

B01：将需要处理的手术室数据根据HDFS中的块大小分成数据块，通过NameNode将数据块放在不同的DataNode上；

B02：在后台编写Map类、Reduce类以及启动类；

B03：Map阶段采用所述数据挖掘算法在各个数据块中寻找局部频繁项集；

B04：Reduce阶段实现对经过Map阶段处理后的各个局部频繁项集进行合并操作，生成全局频繁项集；

B05：根据所述全局频繁项集生成关联规则；

所述数据监测模块包括：

门禁单元，识别人员进出手术室记录；

RFID单元，利用RFID定位技术对通过门禁的人员在手术室内的运动轨迹进行记录；

环境监测单元：通过传感器技术，对手术室内的环境参数进行收集并记录。

2.根据权利要求1所述的基于数据挖掘的智能手术室监测管理系统，其特征在于，所述配置文件至少包括hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml以及slaves。

3.根据权利要求1所述的基于数据挖掘的智能手术室监测管理系统，其特征在于，所述RFID单元包括：

RFID标签，用于记录人员信息，并发出可对所述人员信息进行唯一识别的定位信号；

参考标签；发出参考信号；

阅读器：接收所述定位信号和参考信号；

RFID处理单元，根据所述参考信号和定位信号进行人员位置判断和记录。

4.根据权利要求3所述的基于数据挖掘的智能手术室监测管理系统，其特征在于，所述RFID单元通过所述定位信号和参考信号的强度差值进行所述RFID标签的定位。

5.根据权利要求1所述的基于数据挖掘的智能手术室监测管理系统，其特征在于，所述门禁单元通过虹膜识别、RFID识别或指纹识别中的至少一种技术对人员进行识别。

6.根据权利要求1所述的基于数据挖掘的智能手术室监测管理系统，其特征在于，所述环境监测单元至少包括温度传感器、湿度传感器、微生物传感器、氧气浓度传感器、二氧化碳浓度传感器中的一种。