C4.5算法在冠状造影数据处理中的应用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 244-245.

C4.5算法在冠状造影数据处理中的应用

云玉屏,林克正

哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080

收稿日期:2007-06-28 修回日期:2007-09-17 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 云玉屏

Application of C4.5 algorithm in data processing of CAG

YUN Yu-ping,LIN Ke-zheng

College of Computer Science and Technology，Harbin University of Science and Technology，Harbin 150080，China

Received:2007-06-28 Revised:2007-09-17 Online:2008-04-01 Published:2008-04-01
Contact: YUN Yu-ping

摘要/Abstract

摘要： 首先采用数据清理、数据变换、数据规约等预处理技术处理原始数据，并借助weka平台，通过C4.5算法生成决策树；然后针对决策树对正确率判断不够理想的地方，调整比例因子变量再进行测试提高判断的正确率。由两种方法的比较，以及与医学认识相对照，可以得出，文中所得决策分类树的构成特点同目前已知的高危因素趋于一致。通过C4.5算法建立判定决策树，降低了冠状动脉造影（CAG）的危险，为冠心病的分析预测提出了一种新的方法。

关键词: 冠状动脉造影, 数据挖掘, C4.5算法

Abstract: Firstly，we process the original data through data cleaning，data transform and data protocol.And generate the decision tree by using algorithm of C4.5 under weka platform.Then adjust the ratio factor variables to raise the veracity of judgment of the mothod.The results of experiment demonstrate the algorithm of C4.5 can reduce the risk of coronary angiography，and put forward a new mothod for coronary heart disease analysis and diagnoses.

Key words: coronary angiography, data mining, algorithm of C4.5

云玉屏,林克正. C4.5算法在冠状造影数据处理中的应用[J]. 计算机工程与应用, 2008, 44(10): 244-245.

YUN Yu-ping,LIN Ke-zheng. Application of C4.5 algorithm in data processing of CAG[J]. Computer Engineering and Applications, 2008, 44(10): 244-245.

[1]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[6]	饶加旺，马荣华. 改进核密度估计的空间点密度算法[J]. 计算机工程与应用, 2021, 57(11): 260-265.
[7]	安葳鹏，程小博，刘雨. Fleiss’ Kappa系数在贝叶斯决策树算法中的应用[J]. 计算机工程与应用, 2020, 56(7): 137-140.
[8]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[9]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[10]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[11]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[12]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[13]	孟海东1，2，孙新军2，宋宇辰1. 基于数据场的改进LOF算法[J]. 计算机工程与应用, 2019, 55(3): 154-158.
[14]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.
[15]	郭鹏，蔡骋. 基于聚类和关联算法的学生成绩挖掘与分析[J]. 计算机工程与应用, 2019, 55(17): 169-179.