数据挖掘技术在健康数据分析中的运用
来源:用户上传
作者:
摘 要：在信息高速爆炸的今天，互联网上每天都会产生着海量的信息，这为我们的生活带来便利的同时，也带来了一定的冲击，那就是如何在这海量的信息中，寻找到真正有用的、安全的信息。在这样的背景下，数据挖掘技术这项比较新颖的数据库技术应运而生，具有广泛的实际应用需求。接下来，文章就简单分析数据挖掘技术，在此基础上，探讨该技术在健康数据分析中的运用策略，以飨读者。
关键词：数据挖掘技术;健康数据分析;运用策略
DOI：10.16640/j.cnki.37-1222/t.2019.22.205
0 前言
随着社会经济的速猛发展，人们的生活水平日益提高，也越来越重视自身的健康情况，而且随着当前科技的发展，在健康方面越来越细化，导致医疗保健行业存在着大量的数据亟待处理，这就必须要运用到数据挖掘技术。
1 数据挖掘技术概述
所谓的数据挖据就是在大量不完全且模糊的数据中提取隐藏的、对于人们生活和工作具有极大价值的信息资源的过程。用通俗的话讲就是从大量杂乱无序的网络信息中提取出对人们有用的、有价值的信息。基于这一定义，数据挖掘技术就是人们在海量数据库中提取有用信息及知识所采用的方法和手段。
自从国家大力推行“互联网+”行动以来，各行各业都纷纷采用计算机技术来处理业务，这让在提高各行业办事效率的同时，也产生了大量的数据信息，如何在这些海量的数据信息中快速采集、提取有价值的数据信息就成为人们亟待解决的问题。在这样的背景下，数据挖掘技术应运而生，且越来越得到人们的重视。
随着人们深入研究数据挖掘技术，逐渐形成了三大核心模块，那就是：数据库技术、人工智能技术以及数理统计技术。
2 数据挖掘系统的构成分析
（1）数据库。数据库是数据挖掘技术直接操作的对象，而这些数据库是由一个或者一组能够在数据中进行相应数据的收集、存储、集成和处理的数据与信息的仓库，或者是其他类型的信息资源仓库。
（2）数据库服务器。数据库服务器也是数据挖掘技术重要的组成部分，主要是在处理数据的过程中，根据用户发出的请求指令，提取相关数据并进行信息反馈的载体。
（3）知识库。知识库是数据挖掘系统中十分关键的技术之一，其主要作用是：指导用户搜索、查找并分析的信息集成，也包括根据使用者兴趣度进行拟合评估的领域知识。
（4）数据挖掘引擎。数据挖掘引擎数据挖掘系统的基础核心所在，也是数据挖掘系统重要的构成部分，主要是对特征化的、关联、分类进行细致的分析，并对其进行演变和偏差的分析。
（5）模式评估模块。模式评估模块也是数据挖掘系统的重要构成，同时这一模块也是人们实现数据挖掘的重要因素。在实际运用中，以兴趣度作为度量，然后配合数据挖掘引擎，就可以帮助使用者搜索数据，并进行数据的归并与聚焦的操作。而且，基于不同的数据挖掘目的，这一模块就可以用使用者的兴趣度阀值为参数，进行相应的评估，然后进行过滤，发现相应的数据，实现数据的挖掘。因此，在实际的应用中，这一模块一般是结合数据挖掘引擎进行的。
（6）图形用户界面。图形用户界面是用户进行数据查询，或是给出查询操作指令的主要载体，同时，这一载体还能为用户提供各种参考信息以及相应的操作提示，此外，这一模块还能根据使用者的搜索记录确定并聚焦其兴趣度，然后据此进行相应数据的挖掘。
3 数据挖掘技术在健康数据分析中的运用策略
（1）关联分析。在进行健康数据分析时，随着数据的收集、存储及处理，人们可以运用数据挖掘技术，根据被挖掘数据项集之间的有趣关联与相互联系，进行关联分析，从而挖掘出有用的信息数据，并对这些数据进行组织和处理。
（2）聚类方法。在进行健康数据分析时，操作人员可以按照距离或是相似尺寸，把数据分成相互区别的数据组，或是数据集，从而直接挖掘有用的数据结构或模式。
（3）决策树方法。进行健康数据分析时，还可以使用决策树的形式。这种运用形式是基于预测模型的算法，进行大规模的数据挖掘，并使大规模数据挖掘的信息描述更加简单，查找的速度也变得更加快捷。在实际运用中，操作人员根据信息增益，寻找数据库中最大字段的信息，然后提取出其中对自己最具使用价值的内容，然后依次构建相应决策树的节点，在此基础上，逐级建立不同的分枝，并继续增添子分支。
（4）神经网络方法。进行健康数据分析时，神经网络方法也是一种很有效的方法，十分适合健康数据的挖掘和分析。在实际运用中，这种方法是以HEBB的学习规则以及MP模型作为基础，模拟人脑的神经元，建立起相应的神经网络模型，然后挖掘、分析并处理健康数据。
（5）遗传算法。进行健康数据分析时，采用遗传算法也是很有效的方法。这种方式是一种模拟生物自然选择及遗传机理的随机算法，一般由选择、重组和突变三个基本算子组成，是一种仿生全局的优化方法。
（6）可视化方法。进行健康数据分析时，还可以运用可视化方法。这种方法能拓宽图表的展示功能，增强人们的认识能力，使用户更深入地感知数据反馈，从而更清晰地对数据进行剖析。例如：运用可视化方法，能将数据库表中的多维数据转换成线型图或柱型图，使数据变得更加直观，从而帮助用户更快、更好地理解并掌握相关的健康数据。
4 结束语
综上所述，随着现代信息技术的发展，每天互联网上都出产生海量的信息，其中就包括很多的健康数据信息。采用数据挖掘技術，对这些健康数据进行分析，能帮助人们更快、更好地了解并掌握相关的健康数据，从而更好地为人们服务。
参考文献：
[1]吕庆莉，郭哲.数据挖掘在中医体质分析中的应用研究[J].陕西中医药大学学报，2018，v.41;No.201（03）：93-97.
[2]董世彪.数据挖掘技术在少年健康体育行为应用中的研究[J].现代电子技术，2017，40（09）：112-114.
[3]刘晨，何晓.医疗健康管理中大数据挖掘分析平台的应用探讨[J].电脑知识与技术，2017，13（7X）：196-198.
作者简介：王玉（1983-），女，江西九江人，本科，讲师，研究方向：大数据、网页制作。
转载注明来源:https://www.xzbu.com/1/view-14979284.htm
