多疾病共同危险因素挖掘与MARS预测模型研究

• 作者: 狄晓敏 谢红薇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 数据挖掘 高血压 高血脂 多元自适应回归样条 BP神经网络
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 基金项目论文
• 页码范围: 36-40
• 页数: 5页
• 分类号: TP18
• 字数: 5927字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.10.010

摘要

针对高血压和高血脂危险因素的相关性，集成多种数据挖掘模型分析获得两种疾病的共同危险因素，使用多元自适应回归样条（MARS）的方法建立高血压和高血脂疾病的预测模型。通过与BP神经网络预测方法相比较，表明多元自适应回归样条方法能够很好地反映疾病的危险因素与患病的关系，具有更高的稳定性，是很好的建立预测多种疾病模型的方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢红薇	太原理工大学计算机科学与技术学院	72	532	11.0	19.0
2	狄晓敏	太原理工大学计算机科学与技术学院	1	9	1.0	1.0