基于文本解析的抑郁症脑网络的关联规则及算法研究-计算机系统结构专业论文.docx

万方数据 万方数据 DEPRESSION BRAIN NETWORK ASSOCIATION RULES ALGORITHM RESEARCH BASED ON TEXT ANALYSIS RESEARCH A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Computer System Architecture Author: Zhao Yafei Advisor: Yu Tang School : School of Computer Science and Enginerring 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘 要 数据挖掘技术是现在机器学习、计算机科学、人工智能和数据库研究方向的 重要内容，数据挖掘中的重点就是发现数据隐藏背后的关系和规则，尤其是关联 规则的挖掘已经成为数据挖掘的重要方向，当前的研究主要集中在关联规则在新 学科的应用和算法效率的提高上。将基于本文解析的改进算法应用到脑功能网络 中，通过对原有的论文成果进行数据挖掘可以看到脑区与某一种疾病关联的强弱， 为以后的研究提供参考，有着较高的应用价值和意义。 本论文将对传统的关联规则挖掘算法进行详细的研究，在此基础上提出一种 改进的方法，并将改进过后的算法应用到针对抑郁症脑疾病的数据挖掘之中，从 而得到可供参考的脑区关联规则。本论文具体工作如下： 1. 基本理论介绍。对数据挖掘和数据挖掘算法的基本概念进行详细的说明， 对脑功能网络相关知识和关联规则的意义进行了详细的阐述，通过基本理论介绍 为算法的研究改进和系统应用提供了坚实基础。 2. 算法介绍和改进点。在第一步的基础上，深入了解和分析了关联规则发现 算法 Apriori，并且针对该算法的缺点和应用在抑郁症领域的特点提出一种压缩事 务数据库和减少扫描数据库次数的新算法，对提出新算法的思路、理论基础、算 法流程图进行了清楚的介绍并实现了此改进算法。对新的算法和传统的 Apriori 算 法进行了理论分析和仿真比较，验证了改进算法的效率和优越性。 3. 脑区词表整合。为了更好的完成数据挖掘工作，整合了已有的脑区词表。 对比较常用的脑区词表 Bromann 和 ALL 进行深入的研究，并在其基础上加入了其 他脑区词表内容和脑区功能脑区，形成了一个新的脑区词表，将新的词表用于文 本解析程序和数据挖掘工作，更能揭示抑郁症脑疾病的关联规则。 4. 系统平台设计。设计开发了基于文本解析的关联规则发现平台，该系统通 过文本解析获取脑区在论文中的相关数据，选择改进的算法对抑郁症脑疾病领域 进行关联规则发现，找出我们感兴趣的关联规则，此平台系统即是对改进算法的 一种验证，又是对数据挖掘应用在脑功能网络方向的一次创新，从而实现了理论 和应用的结合。 关键词：数据挖掘，关联规则，Apriori 算法，抑郁症 I ABSTRACT ABSTRACT The data mining technology is an important part of the machine learning, computer science, artificial intelligence and database research direction, focus in data mining is to find data hidden behind the relationship and the rules, especially the association rule mining has become an important direction for data mining and the current research focuses on the application and