發(fā)布時間：2020-11-17 17:52

　　 傳統(tǒng)的醫(yī)學(xué)文獻(xiàn)檢索算法FP-Growth算法存在效率低下、內(nèi)存溢出等問題,據(jù)此提出了一個改進(jìn)的FP-Growth算法.首先將數(shù)據(jù)集平均分塊,以并行的方式構(gòu)建FP-Tree樹,以減少內(nèi)存負(fù)擔(dān),再以粒子群算法優(yōu)化FP-Growth的FP-Tree樹迭代過程,并優(yōu)化并發(fā)過程.經(jīng)驗(yàn)證,改進(jìn)后的算法能提高內(nèi)存的使用率與算法的運(yùn)行效率.
【部分圖文】：

FP-Growth算法構(gòu)造FP-tree來存儲項(xiàng)的頻次, 每個項(xiàng)以路徑的方式存儲在FP-tree中. FP-tree在構(gòu)建的過程中刪除小于最小支持度(最小項(xiàng)出現(xiàn)頻次)的項(xiàng), 留下出現(xiàn)頻次較高的項(xiàng). 與其它樹形結(jié)構(gòu)不同, FP-Growth的項(xiàng)可以在一個FP-tree中出現(xiàn)多次. 一個FP-tree中的項(xiàng)只有在項(xiàng)-頻次完全不同的時候, 才會分枝. FP-tree節(jié)點(diǎn)表示為一個項(xiàng)及其在序列中出現(xiàn)的頻次, 路徑表示該序列出現(xiàn)的次數(shù). 越靠近根節(jié)點(diǎn)的項(xiàng), 其頻次越高. 一個FP-tree通過鏈接來連接相似的項(xiàng), 類似于一個鏈表. 一個FP-tree示例圖如圖2所示.圖2 一個FP-tree示例圖

一個FP-tree示例圖

第二步, 將病歷數(shù)據(jù)集平均分為n塊, 減少載入內(nèi)存的負(fù)擔(dān), 做并發(fā)處理之用;第三步, 并發(fā)處理的模塊i中, 包含完整的基因數(shù)據(jù)集與 1 n 疾病文本數(shù)據(jù)集, 在模塊i的處理過程中, 完成FP-Growth算法的基本數(shù)據(jù)掃描操作;
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳強(qiáng),馮煥清,彭虎;一種改進(jìn)的心臟電興奮矢量傳播算法[J];北京生物醫(yī)學(xué)工程;2002年01期

2 于志偉,陶波;用改進(jìn)的ISRA算法求解ECT問題[J];生物醫(yī)學(xué)工程學(xué)雜志;1997年01期

3 劉勇;;一種基于人工免疫系統(tǒng)的學(xué)習(xí)算法研究[J];西南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版);2006年04期

4 鄧偉,金丕煥,林果為;BP神經(jīng)網(wǎng)絡(luò)修剪算法篩選白血病預(yù)后危險因素[J];復(fù)旦學(xué)報(醫(yī)學(xué)版);2003年02期

5 胡海濤,吳健,胡正國;醫(yī)療解析算法研究[J];醫(yī)學(xué)信息;2002年08期

6 唐慧敏;龔學(xué)余;楊振;呂知平;張子健;曹瑛;王翰宇;劉歸;胡永梅;楊曉喻;;先進(jìn)外照射光子劑量算法和各向異性分析算法在乳腺癌胸壁放療中的劑量學(xué)差異[J];中國醫(yī)學(xué)物理學(xué)雜志;2015年06期

7 李剛;鄧力;陳朝斌;葉濤;莫則堯;;BNCT治療規(guī)劃系統(tǒng)MCDB算法及測試[J];計算物理;2012年05期

8 彭虎,陳強(qiáng),詹長安,馮煥清,張作生;基于矢量傳播算法的束支傳導(dǎo)阻滯QRST波形仿真[J];生物醫(yī)學(xué)工程學(xué)雜志;2002年02期

9 姬軍,董秀珍,王海濱,漆家學(xué),王丹,張鵬;心電信號QRS波的識別算法及程序設(shè)計[J];北京生物醫(yī)學(xué)工程;2001年02期

10 楊杰;羅洪;;熱傳導(dǎo)算法在致病miRNA預(yù)測中的應(yīng)用分析[J];西南民族大學(xué)學(xué)報(自然科學(xué)版);2019年05期

相關(guān)博士學(xué)位論文 前2條

1 畢峰;單通道誘發(fā)電位信號的快速提取算法研究[D];大連理工大學(xué);2014年

2 肖球;基于生物網(wǎng)絡(luò)的致病miRNA預(yù)測及模塊識別算法研究[D];湖南大學(xué);2017年

相關(guān)碩士學(xué)位論文 前7條

1 舒才良;人工免疫分類和異常識別算法的改進(jìn)[D];福建師范大學(xué);2011年

2 秘熙超;神經(jīng)信息流分析中g(shù)PDC與PCMI算法的比較及應(yīng)用[D];南開大學(xué);2014年

3 彭濤;基于人體代謝揮發(fā)性化合物判斷生命跡象的算法研究[D];燕山大學(xué);2015年

4 付宇光;腦功能成像中的優(yōu)化算法、模型及其應(yīng)用研究[D];大連理工大學(xué);2002年

5 張增芹;IMRT逆向計劃中優(yōu)化算法的研究[D];東北大學(xué);2009年

6 邱浩;基于EM算法的醫(yī)學(xué)影像數(shù)據(jù)的分類研究[D];湖南師范大學(xué);2016年

7 張文博;新型自適應(yīng)免疫克隆混合算法及其應(yīng)用研究[D];吉林大學(xué);2007年

本文編號：2887757