岳根霞，刘金花，刘 峰

(山西医科大学汾阳学院，山西 汾阳 032200)

1 引言

医学界面临着海量、非结构化数据处理的严峻挑战，如何处理医疗海量数据成为研究热点。医疗大数据中涵盖了各类疾病的发病原因、发病历程、患病症状、治疗方案、实际案例等大量数据。由于医疗行业正在逐渐发展，医疗技术也在不断提高，因此治疗方案以及治疗结果产生的数据都不尽相同，而医疗大数据是按照时间顺序存储的，未经过整合处理的医疗大数据需要消耗大量的时间调取，为此提出医疗大数据的分类方法。医疗大数据分类方法的运行建立在数据完整的基础上，当医疗大数据不完整时极易出现数据分类偏差的情况，导致数据的分类结果混乱，失去了医疗大数据分类的意义。数据挖掘与处理的首要问题是数据缺失，数据集的完整是数据挖掘的成功与否的关键，通过填补缺失数据，得到一个完整的数据集。

在数据填补完成的基础上，利用数据分类方法处理大量混乱而复杂的医疗数据，可以提升数据的逻辑性，方便数据的查找。在数据分类计数发展历程中，使用范围较广的几个计数包括神经网络下的分类方法[1]和遗传算法下的分类方法[2]。在医疗大数据的分类过程中分别使用不同的技术可以针对不同的分类需求得到更加符合数据特点的分类结果，然而经过长时间的应用研究发现，现阶段使用的分类方法均存在迭代时间长的问题。……