吴辰文, 刘文祎， 马国娟， 闫光辉

(兰州交通大学 电子与信息工程学院，甘肃 兰州 730070)

当今医院存有大量的医疗数据,在医院诊治患者过程中获得了大量的诊断、病历数据，通过对这些数据进行挖掘分析，可以得出很多有用的信息，这些信息可以提升医院的诊断水平以及服务质量。医院的医疗信息不是仅局限于短期的数据信息，而是长达数年或是十多年的数据积累，因此如此大并且时间跨度较长的数据中会有很多有用的信息以待发现。子宫癌的危害性较大，不论是发病率还是死亡率都十分高，因此通过药物治疗子宫癌变得十分重要。

针对关联规则这一问题的解决方法有很多种，其中由Agrawal等人提出的改进算法应用最为广泛，但算法挖掘效率低，而且频繁的扫描事务数据库极大地增加了系统的负担，不仅浪费时间并且浪费空间[1]。文献[2]提出采用遗传算法来改进Apriori算法，它引入兴趣度，对生成规则进行筛选，删除其中的虚假规则，使得结论更具说服力，但其没有对算法的运行效率进行提升。文献[3]提出了通过矩阵来压缩事务并相乘的改进算法，该算法通过用二维矩阵来表示数据库数据，再将数据二进制矩阵与辅助矩阵相乘得到频繁项目集。但这种方法需要很多矩阵相乘计算的内容，致使时间效率不高。文献[4]提出基于采样思想的关联规则挖掘算法，首先从数据库中随机抽取一部分数据为样本数据进行关联规则挖掘进而得到一些强关联规则，再用其他所有数据进行关联规则挖掘验证算法是否正确。……