摘要
针对当海量药品数据信息中包含不真实或者噪声影响的信息时,一般的数据挖掘分析方法将产生很大的弊端,传统的药品关联行为分析中使用一种大类的数据挖掘分析方法,忽略了药品数据分析结果与实际下一步行为预测的联系.为了解决这一问题提出了k-medoids与c5.0联合约束的药品数据挖掘方法,并且在第一步的聚类分析中充分考虑噪声与孤立点的影响,用第一步聚类的结果分别作为后期决策树分类的数据样本,并且进行适当的数据预处理,这样就能保证模型的演算准确性.实验证明这种药品数据分析模型准确有效,挖掘的效率更高.
出处
《长沙大学学报》
2012年第5期75-77,85,共4页
Journal of Changsha University
基金
淮安市工业科技支撑项目(批准号:HAG2010069)
淮安市科技支撑(工业
社会发展)计划指导性项目(批准号:HASZ2011024)
