基于改进BUS算法的焦虑抑郁障碍因素挖掘

• 作者: 刘峰斌 王惠玲 王高华 肖玲 袁志勇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据挖掘 关联规则 关联规则压缩 频繁项集 焦虑 抑郁
• 年，卷（期）: 2015,（18）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 126-130,185
• 页数: 6页
• 分类号: TP399
• 字数: 4225字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1407-0017

摘要

针对焦虑抑郁患者的早期预防和诊断需求，将关联规则挖掘和压缩方法应用于焦虑抑郁障碍因素的研究，在病人数据中挖掘出与焦虑抑郁障碍相关性较高的因素集合。单独使用频繁项集挖掘算法会产生过多的频繁项集和关联规则，导致其实用性大为降低。对收集的病人数据进行预处理，采用FP-growth算法，挖掘出预处理后数据中的频繁项集，采用最新改进Bottom-Up Summarization（BUS）算法，对挖掘出的频繁项集进行压缩。同时将最后得到的关联规则与未压缩得到的关联规则、原始BUS算法及Top-K算法压缩后得到的关联规则进行对比。实验结果表明，使用改进BUS算法得到的规则数量适中、信息冗余较少而且覆盖的人群具有更高的患病风险。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王高华		257	1823	19.0	31.0
2	王惠玲		135	837	14.0	20.0
3	肖玲		89	1528	20.0	37.0
4	袁志勇	武汉大学计算机学院	33	130	7.0	9.0
5	刘峰斌	武汉大学计算机学院	1	0	0.0	0.0