基于決策樹的出生缺陷預警系統(tǒng)研究與實現.pdf

1、出生缺陷是全世界面臨的重要公共衛(wèi)生問題。出生缺陷的發(fā)生給家庭和社會帶來了諸多壓力，嚴重的阻礙了人口的可持續(xù)發(fā)展。中國是世界上人口出生缺陷率最高的國家之一，并且我國出生缺陷的發(fā)生呈上升趨勢，對控制出生缺陷這類非傳染性疾病的傳統(tǒng)研究采用的是線性還原式的研究方法，這種方法存在著相當的局限性。針對傳統(tǒng)研究的局限性，本文將數據挖掘算法引入出生缺陷發(fā)生規(guī)律的研究中. 數據挖掘是當前國際學術界一項前沿的研究課題，它是一個多學科領域。涉及了數據

2、庫技術、人工智能、機器學習、神經網絡、統(tǒng)計學、模式識別、知識庫系統(tǒng)、知識獲取等諸多領域。數據挖掘(DataMining)，也稱之為數據庫中知識發(fā)現，是自動的或方便的模式提取，這些模式代表隱藏在大型數據庫、數據倉庫或其他大量信息存儲中的知識。分類是數據挖掘的重要內容之一。目前，分類已廣泛應用于許多領域，如醫(yī)療診斷、天氣預測、信用證實、顧客區(qū)分、欺詐甄別。 挖掘分類模式的方法有多種，如決策樹方法、貝葉斯網絡、后向傳播法、遺傳算法、基

3、于關聯的分類方法、粗糙集和模糊集方法等等。其中決策樹方法在海量數據中的應用最為廣泛。決策樹因其結構象一棵樹，而且可以用于決策而得名。ID3和C4.5是兩個最為著名的決策樹分類算法，是Quinlan為了從數據中歸納分類模型而構造的算法。C4.5算法繼承了ID3的全部優(yōu)點。它是一種歸納學習算法，先從所有的事例中選取一部分構造決策樹，再用剩下的事例測試決策樹并對它進行調整。它不僅能處理連續(xù)值類型的屬性，還可以對屬性的取值集合進行等價類劃分，劃