《基于最小风险的医疗支持系统(共31页).doc》由会员分享，可在线阅读，更多相关《基于最小风险的医疗支持系统(共31页).doc（31页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上 四川理工学院毕业论文基于决策粗糙集的医疗支持系统学 生：吕 俊 村学 号：专 业：信息与计算科学班 级：2009.2指导教师：苏 跃 斌四川理工学院理学院二O一三年六月专心-专注-专业 摘 要决策粗糙集理论作为一种新型数学工具在20世纪90年代被提出，它能够有效地分析和处理不精确、不一致和不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律。因此，决策粗糙集理论在许多领域得到了成功应用。本文主要介绍决策粗糙集与医疗支持系统相结合，并应用于诊断系统和数据挖掘系统，实践表明了该方法的有效性和证明了决策粗糙集对医疗系统有着非常重要的价值。基于决策粗糙集的医疗支持系
2、统可以大大提高医院工作效率和科学规划医学诊断程序。关键词：决策粗糙集；数据挖掘；医疗支持系统 ABSTRACT Decision-making of rough set theory as a new mathematical tool was introduced in the 1990 s, it can effectively analyze and deal with imprecise, inconsistent and incomplete etc Various kinds of incomplete information, and can find hidden knowle
3、dge, revealing the potential rules. Therefore, Decision-making of rough set theory successful obtained application in many fields. This article mainly introduce Decision-making of rough set combined with medical support system, and applied to the diagnosis system and data mining, practice shows that
4、 the effectiveness of the method and proved that decision-making of rough set has very important value in health care system. The medical support system based on decision-making of rough set can greatly improve the hospital work efficiency and scientific planning of medical diagnostic procedures.Key
5、 words: decision-making of rough set; The data mining; Medical support system 目 录第一章题目我给你改了，你把目录改一下，然后就是加上综述！第一章 医疗系统概述医疗系统是一门容医学、信息、管理、计算机等多种学科为一体的边缘科学，在发达国家已经得到了广泛的应用，并创造了良好的社会效益和经济效益。医疗系统是现代化医院运营的必要技术支撑和基础设施，实现医疗系统的目的就是为了以更现代化、科学化、规范化的手段来加强医院的管理，提高医院的工作效率，改进医疗质量，从而树立现代医院的新形象，这也是未来医院发展的必然方向。医疗系统的实
6、施将在整个医院建设企业级的计算机网络系统，并在其基础上构建企业级的应用系统，实现整个医院的人、才、物等各种信息的顺畅流通和高度共享，为全院的管理水平现代化和领导决策的准确化打下坚实的基础。医疗系统具有成熟、稳定、可靠、适用期长、扩充性好等特点，可以根据各医院各自的特点量身制作。实践是检验真理的唯一标准，医疗系统在国外是早已上市事实也证明了医疗系统的优越性。医疗系统是一个笼统的概念，在它的概念中又可以细分为医疗诊断系统、医疗管理信息系统、远程医疗系统等。最近国际医疗领军队伍又在向医疗机器人系统看齐和研究，国际先进机器人计划已召开了多届医疗外科机器人研讨会，在发达国家也陆陆续续出现了医疗机器人市场
7、化产品。目前，先进机器人技术在医疗外科手术规划模拟、微损伤精确定位操作、无损伤诊断与检测、病人安全救援、无痛转运、康复护理、功能辅助及医院服务等方面得到了广泛的应用，这又一次推动了传统医学的革命，带动了新技术，新理论的发展。所以医疗系统的发展仍在继续，在未来的时间里相信更多的科学家还会研究出更多的医疗其他系统和医疗产品，医疗系统的明天也会越来越辉煌，更多的人们也会加进医疗系统的研究队伍！为了满足我国医院发展的需要，使祖国医学早日与世界医学接轨，结合新式联物网技术应用，投入大量的人力和物力，借鉴国内外医疗系统的先进经验，并结合国内各家医院的传统管理模式和实际需求，开发了医院管理信息系统。目前医疗
8、系统已成功地运行在普兰店市第一人民医院、庄河市第一人民医院、大连市中山医院、盖州市中心医院、蓬莱市人民医院、丹东市中医院、抚顺市中医院、铁岭中医院、铁岭县医院、黑龙江省呼兰县医院、大连大学附属医院、瓦房店第一人民医院等一系列三甲、三乙、二甲等医院。这些医院也取得了良好的经济效益和社会效益，同时也受到了客户的广泛好评。第二章 决策粗糙集的研究与发展2.1 决策粗糙集的定义决策粗糙集是加拿大华人学者姚一豫教授等在20世纪90年代提出的一种新的粗糙集理论。该理论是对经典Pawlak粗糙集理论的概率拓展，由于引入了Bayes风险决策理论及三枝决策语义，使其在不确定性知识获取和数据处理中具有更加可靠的理
9、论依据和语义解释。并且该理论在粗糙集中引入了概率包含关系，通过Bayes风险决策方法确定概念边界，建立了具有噪声容忍机制的决策粗糙集模型。近年来，决策粗糙集在粗糙集理论的拓展研究领域以及风险决策、信息过滤、聚类分析、网络支持系统与博弈分析、文本分类等应用研究领域得到了成功应用。自2009年以来，在国际粗糙集与知识技术学术会议(RSKT)、国际认知学术会议（ICCI）、中国粗糙集及软计算会议上多次举办了以决策粗糙集为主题的专题讨论会。目前，决策粗糙集理论中包含的误分类容忍机制、三枝决策语义和风险决策分析方法正逐渐引起国内外越来越多学者的关注。2.2 决策粗糙集的发展现状和趋势在经典Pawlak粗
10、糙集模型中，近似集的定义以集合的代数包含关系为基础，由于代数包含关系要求较为严格，Pawlak粗糙集方法在容错能力方面具有较大的局限性。众所周知，人类智能对于概念的描述往往是模糊的和不确定的，其对概念的认识具有很强的容错能力和纠错能力，如何在粗糙集中引入对这种容错能力的刻画显得十分重要。因此，人们通过在Pawlak粗糙集中引入概念包含关系提出了一系列概率粗糙集模型，以实现粗糙集对容错能力的刻画。决策粗糙集正是在Pawlak粗糙集向概率粗糙集拓展中产生的。它也是一种概率粗糙集，但与其他概率粗糙集相比，决策粗糙集具有以下几大优势：其一，在决策粗糙集理论框架下，已有概率粗糙集模型能实现统一，并可以视
11、为决策粗糙集在取不同参数情况下的特例。因此，通过研究决策粗糙集可以在更一般层面上探求概率粗糙集模型的本质特性。其二，决策粗糙集借助Bayes风险决策理论，给出了计算概率阀值的方法，这为确定合适的误分类容忍度提供了可靠的理论依据和语义解释。其三，决策粗糙集理论依据正域、负域和边界域的划分方法以及假设检验方法给出了三枝决策模型和语义，可以用来解释实际应用中的许多决策现象，为模拟人类在决策过程中的不确定性模式提供了一种有效手段。目前，有关决策粗糙集的理论与应用的研究成果日渐增多，参与到该领域的学者和研究队伍也在逐渐扩大。特别是在高校中越来越多的学者教授正在专注于这方面的研究，许多高等院校也将决策粗糙
12、集方面的知识作为高等院校毕业生的论文题目，使得决策粗糙集越来越被受关注和了解。利于了决策粗糙集的发展，相信在未来的日子里决策粗糙集的发展会越来越辉煌，越来越走向成功，也会在实际生活中不断的实现利用造福人类。2.3 决策粗糙集的背景及研究意义和目的 人类智能在决策时通常变现出不确定性、非精确性、容错性与模糊性等特点，如何通过计算机模拟人类智能的这些特点一直是智能科学领域关注的重要问题。近几十年来，模糊集、粗糙集、证据理论等描述不确定性的数学工具被运用到智能推理研究中，推动了不确定性人工智能的迅速发展。决策粗糙集作为粗糙集理论的重要组成部分此时也得到了蓬勃发展，其给出的三枝决策语义和概念容错分析方
13、法有效地模拟了人类智能的不确定性和非精确的特点。它将传统的正域、负域二分决策语义拓展为正域、边界域和负域的三枝决策语义，认为边界域决策也的一类可行的决策。这与人类智能在处理决策问题的方法是一致的。为刻画概念的非精确性及分类的容错性特点，决策粗糙集在概念上、下近似集中引入概率包含关系，并依据最小化风险原则给出了概率阀值的确定方法，为选取最优分类决策结果提供了理论依据，这也为模拟人类智能在选择最优决策时的推理机制提供了一种途径。决策粗糙集理论的核心内容是通过分析比较各种决策的风险损失，找出最小风险损失的决策。所以决策粗糙集的研究可以帮助人们找出最优决策以达到最好效果节约资源，决策粗糙集的研究更是推
14、动了其它领域学科的发展，目前决策粗糙集已在医疗支持系统、邮件信息过滤系统、石油开采决策分析、风险偏好决策模型、自动聚类方法等中广泛应用。可以说未来的许多科技领域是愈来愈离不开决策粗糙集，所以决策粗糙集的研究和发展非常重要，我们应该要继续努力把决策粗糙集研究下去不断创新和发展。 第三章 决策粗糙集理论3.1 Pawlak代数粗糙集模型粗糙集理论的中心内容是上下近似集的定义。在Pawlak代数粗糙集模型中，上下近似集通过等价类与目标概念类的两种代数包含关系给出定义，在此基础上进一步定义了正域、负域与边界域。设表示论域，其为一有限非空集合，为论域上的等价关系，整个论域可以通过该等价关系划分成互不相交
15、的子集，即可形成论域上的一个划分。如果论域中的两个对象x和y在同一个等价类中，则x和y是不可区分的。在一个信息表中，设为属性集，则等价关系可由信息表中的属性子集导出。设为论域的子集，即,则的下近似集与上近似集分别为 根据的上下近似集定义，整个论域可以划分为互不相交的正域、负域和边界域三部分，分别定义为 对于正域中的每个对象x，其等价类完全包含于。因此，关于x的特征描述必定属于概念，由此可以导出确定性规则，而在边界域中的每个对象x，其是否属于概念具有不确定性。根据上面的两个公式可以得到上近似集与正域、边界域的关系：,即上近似集包含确定与可能属于概念的对象，因此对于,其可能属于概念，由此导出所有可
16、能性规则。此外，对于的负域中的每个对象x，其等价类完全包含于，即关于x的特征描述必定属于概念，因此由的负域也可以导出确定性规则。从Pawlak代数粗糙集模型中正域、负域与边界域的定义可以看出，目标概念三种区域的界定实质上确定了论域中所有对象的一种分类决策，即根据x的特征是否将x分类到的决策。这种对x的分类决策对应于一个分类器；若x属于的正域，则x确定分类为；若x属于的负域，则x确定分类为；若x属于的边界域，则x是否分类于是不明确的。从机器学习的角度来看，分类器的一种理想性能是误分类率为零，而Pawlak代数粗糙集模型中的正域可以保证其中对象分类为目标概念的误分类率为零，从这个意义上说正域确定了
17、一个误分类率为零的精确分类器。然而，在实际问题中，由于噪声的存在，要得到误分类率为零的精确分类器通常难以做到，因此将正域定义为完全包含于目标概念的等价类显得过于严格，它缺乏对误分类的容忍能力。因此，我们有必要拓展Pawlak代数粗糙集模型中的上下近似集定义，提出具有容错能力的粗糙集模型。3.2 基于最小风险的Bayes决策在决策论中，决策对象所有可能的状态构成状态空间，所有可能的各种决策组成的集合称为决策空间，用表示，其中表示各种决策。每一个决策行为都会带来一定的损失，其大小取决于选择的决策以及决策对象的状态，因此损失可以视为决策与状态的函数。这种函数关系可以通过损失矩阵进行表述。例如，以肺炎
18、诊断决策为例，其损失函数可由下表给出的损失矩阵表述。 表1 肺炎诊断损失矩阵 决策 损失状态 患肺炎 正常 患肺炎 0 10 正常 1000 0 在表中，作出正确分类决策的损失最小，均为0，作出错误分类决策的损失大于0，但两种错误分类决策的损失大小不同，反映了人们对两种误分类决策的不同风险偏好。一般而言，当研究的对象具有s个不同状态，同时有m个决策行动可以选择时，决策损失矩阵可以用m s的表格描述，如下表所示。其中损失函数为，表示当真实状态为采取决策为时所带来的损失。 表2 决策损失矩阵的一般形式损失状态决策 在实际问题中，对象所处的状态通常与其显示的特征相关联，例如，患者是否处于患肺炎状态可
19、以通过患者发热、咳嗽、白细胞数等症状特征加以判断，这些可以观测的特征可以用向量x来表示。假定各个状态发生的先验概率和状态下具有特征x的条件概率均已知，根据Bayes概率公式，则已知特征x的条件下具有状态的后验概率为 其中，则有 由于需考虑决策带来的总体损失，因此不能仅根据后验概率的大小进行决策，而应考虑决策行动是否使总体的损失最小，以此作为选择最优决策的依据。对于给定的观测特征x，采取决策所对应的损失值为各种可能状态下损失的期望值，即 在考虑误分类带来的损失时，我们希望最优决策能够具有最小的期望损失值。如果在作出每个决策时，都使得其条件风险值最小，则对所有的x进行决策时，其期望风险也必然最小。
20、这样的决策便是最小风险Bayes决策。据此，最小风险Bayes决策规则可形式化为 ， 当分类为互补的两类问题时，状态集为,分别表示状态为正例和负例；决策集为,分别表示将对象分类为正例和负例的决策。此时，最小风险Bayes决策规则可表示为 3.3 决策粗糙集模型决策粗糙集模型是采用定量的概率包含关系来度量对象集合相对于目标概念的隶属度。设表示s个状态的集合，表示m个可能的决策。表示在x特征描述下的对象x具有状态的条件概率，表示在状态的情况下作出决策的风险代价。对具有x描述的对象x而言，假设采取了决策，则根据求最小风险Bayes决策方法可以计算出执行决策的期望风险为 通常决策规则可以看做是对象特征
21、描述x的函数，规则的前件包含特征描述x，规则的后件则是决策函数，即每种描述x对应某一确定的决策。因此，决策规则的风险损失就是决策函数的期望风险损失，即 考虑只具有两种状态的状态集合，该状态集合中包含具有互补关系的两种状态和。给定决策集为,其中，和分别表示将对象决策为,和三种决策。，和表示当真实属于概念时，分别作出，和三种决策所对应的损失函数值；,和表示当真实属于概念时，分别作出分别作出，和三种决策所对应的代价函数值，其对应的决策损失矩阵如下： 三种决策的损失矩阵 损失 状态 决策 依此损失矩阵和最小风险Bayes决策方法可分别计算作出三种决策,和对应的期望风险。在粗糙集理论中，属性集确定一个等
22、价关系R，由于的等价类中的对象具有完全相同的特征描述，因此在这里我们可以用等价类作为特征描述形式，进而得到如下形式的三种决策期望风险值，即 其中，是用等价类形式表示的特征描述。根据最小风险Bayes决策原则，可以得到如下形式的决策规则，即 比较最小风险Bayes决策规则和最小风险Bayes决策原则可以发现，决策粗糙集理论中的决策规则与经典最小风险Bayes决策规则形式有所不同。在最小风险Bayes决策中，决策行为仅分为正例和负例两种，即必须对分类作出确定的选择。在决策粗糙集理论中，决策行为除了包括分类为正域和负域外，还可以分为边界域，给出了一种中间决策行为。这种中间决策行为在不确定决策分析以及
23、语义分析中更具有现实意义，具有广泛适用性。例如，在医疗诊断中，若医生遇到疑难病症，根据患者的常规病症资料尚不足以确诊其是否患某种疾病时，医生不会立即作出诊断结果，而是继续观察病情，对患者做进一步检查收集更多病情资料为患者确诊创造条件。在上表给出的六个损失函数,中，和表示正确分类的损失值，和表示错误分类的损失值，而和表示分类至边界域的损失值。一般而言，正确分类决策的损失值最小，即小于待定分类决策的损失值，也小于错误分类的决策损失值。而且，待定分类决策的损失值要小于错误分类决策的损失值，但大于正确分类决策的损失值。因此，对于决策代价函数值的大小，有如下关系：。另外，由状态集合中和的互补关系可得。根
24、据决策损失值的大小和与的互补关系，并将上面第一个式子带入第二个式子得到如下含阀值形式的决策规则，即 阀值、和分别由下列三式计算 在阀值形式决策规则中，最小化风险损失通过用条件概率与包含度阀值、和的关系来表示，比最小风险Bayes决策原则下的决策规则更有操作性。通过对决策损失值作进一步假定，我们可以对决策规则进行简化。易知当下式成立时 包含度阀值和满足关系，并且有即。 此时，可以仅用阀值和得到如下简化形式的决策规则，即 从以上决策规则的形式可以看出，决策粗糙集不仅引入了对决策的概率统计描述，而且根据最小风险Bayes决策为确定包含度阀值、和给出了一种计算方法，从而使得不确定决策行为具有充分的理论
25、依据。 第四章 基于决策粗糙集的三枝决策语义经典Pawlak代数粗糙集模型中的单个决策类可以采用正域、负域和边界域进行描述。在考虑总体决策类的正域、负域和边界域时，由于总体决策类中包含的单个决策类负域必定可以划分到其补决策类的正域或边界域中，从而造成总体决策类负域为空。这样论域则被划分为总体决策类正域和边界域的并集，而总体决策类的负域恒为空集，因此事实上产生的决策规则是二枝决策，即由总体决策类正域导出的确定性规则和总体决策类边界域导出的可能性规则，此时负域没有实际语义属于是冗余的。这种不完备粗糙结构反映了Pawlak代数粗糙集模型对总体决策类刻画具有不完整性。在决策粗糙集模型中，论域可以通过阀
26、值和划分为三个区域，即总体决策类正域、总体决策类负域和总体决策类边界域。从语义上看，这三个区域可以对应三种规则类型及三枝决策语义，即正域决策、边界域决策和负域决策。这种语义的完备性使得决策粗糙集在应用时的描述更具完整性。4.1 三枝决策语义形式如上所述，基于决策粗糙集的三枝决策语义可以描述为 若在的描述下，发生的概率大于阀值，则将划分到的正域中，执行正域决策。 若在的描述下，发生的概率小于阀值，则将划分到的负域中，执行负域决策。 若在的描述下，发生的概率介于阀值和之间，则将划分到的边界域中，此时决策依据不足，暂不决策，需收集更多信息以便做出正确决策。在以前的研究中，革命先辈们提出了采用相对损失
27、函数代替决策粗糙集三枝决策中的绝对阀值，给出了一种新的决策语义。考虑在决策粗糙集模型中的、和阀值表达式，我们可以发现式中的分子与分母是由绝对损失函数的差值形式构成。若令 则可以得到阀值的表达式为 4.2 三枝语义改进在这里我们可以看到阀值、和事实上是由相对损失函数决定的，据此，采用相对损失函数描述的决策粗糙集三枝决策语义看以描述为若在的描述下，发生的概率大于阀值，则将划分到的正域中，执行正域决策。若在的描述下，发生的概率小于阀值，则将划分到的负域中，执行负域决策。若在的描述下，发生的概率介于阀值和之间，则将划分到的边界域中。此时，还是决策依据不足，暂不决策，需要收集更多信息以便做出正确决策。第
28、五章 决策粗糙集的约简理论在经典Pawlak代数粗糙集研究中，属性约简理论也是一块重要的组成部分，作为离散数据的特征选择理论，它被认为是整个符号数据分析的理论基础，并成为Pawlak代数粗糙集研究的核心问题。一般情况，约简可以理解为保证某种目标性质不变的独立属性子集。但事实上，约简总是与它要保证不变的目标性质紧密相关，目标不同则约简类型不同。根据约简所要保证不变的性质类型可以分为绝对约简、正域约简、信息熵约简、分布约简和分配约简等。在这些约简理论中正域约简是讨论最多的形式之一。5.1 约简理论形式代数粗糙集的正域约简是保证正域不变的独立条件属性子集，即正域不变性 属性不变性 对，有 其中，表示
29、条件属性集相对于决策属性集的正域；表示的基数。5.2 约简理论的延伸在研究概率粗糙集的模型约简定义时，一种自然的做法是将经典Palwak代数粗糙集模型的约简定义平行地移到概率粗糙集模型中，可以得到如下定义：正域不变性 属性独立性 对，有 其中，。 如果将上式作为决策粗糙集约简定义的话也存在局限性，这种局限性在一般概率型粗糙集模型中也存在还比较明显。所以在接下来的研究中又提出了一种新的约简定义，即性质保留性 属性独立性 （1）其中，为划分组的性质度量。最近，一些数学家又将上面（1）式具体化为正域非减性和属性独立性两个条件，即正域非减性 属性独立性对有 这就是决策粗糙集正域约简的新定义及约简的搜索
30、算法。 第六章 决策粗糙集模型的应用研究6.1 引言 决策粗糙集将Bayes风险分析和概率型包含关系引人到粗糙集理论中，因此在涉及风险决策的数据挖掘问题中具有很好的适用性。自从20世纪90年代初产生以来，尤其是最近几年来，决策粗糙集理论的应用价值受到了越来越多的关注。由此相关的研究也相继产生，像基于决策粗糙集的风险偏好决策模型、基于决策粗糙集的邮件信息过滤系统、基于决策粗糙集的石油开采决策分析、基于决策粗糙集模型的文本分类方法、基于决策粗糙集的自动聚类方法、基于决策粗糙集的医疗支持系统以及基于博弈论的决策粗糙集风险损失分析等。这些应用研究在实际生活中给人们带来了许多的好处，所以决策粗糙集模型的
31、应用研究队伍在不断的壮大。6.2 基于决策粗糙集的医疗支持系统6.2.1 医疗系统医疗系统是一门容医学、信息、管理、计算机等多种学科为一体的边缘科学，在发达国家已经得到了广泛的应用，并创造了良好的社会效益和经济效益。医疗系统是现代化医院运营的必要技术支撑和基础设施，实现医疗系统的目的就是为了以更现代化、科学化、规范化的手段来加强医院的管理，提高医院的工作效率，改进医疗质量，从而树立现代医院的新形象，这也是未来医院发展的必然方向。医疗系统的实施将在整个医院建设企业级的计算机网络系统，并在其基础上构建企业级的应用系统，实现整个医院的人、才、物等各种信息的顺畅流通和高度共享，为全院的管理水平现代化和
32、领导决策的准确化打下坚实的基础。医疗系统具有成熟、稳定、可靠、适用期长、扩充性好等特点，可以根据各医院各自的特点量身制作。为了满足我国医院发展的需要， 使祖国医学早日与世界医学接轨，结合新式联物网技术应用，投入大量的人力和物力，借鉴国内外医疗系统的先进经验，并结合国内各家医院的传统管理模式和实际需求，开发了医院管理信息系统。目前医疗系统已成功地运行在普兰店市第一人民医院、庄河市第一人民医院、大连市中山医院、盖州市中心医院、蓬莱市人民医院、丹东市中医院、抚顺市中医院、铁岭中医院、铁岭县医院、黑龙江省呼兰县医院、大连大学附属医院、瓦房店第一人民医院等一系列三甲、三乙、二甲等医院。这些医院也取得了良
33、好的经济效益和社会效益，同时也受到了客户的广泛好评。6.2.2 医疗系统模型在基于决策粗糙集下的医疗网络支持系统模型由患者症状数据库、诊断知识库、知识管理系统、决策粗糙集组件、信息检索和交互接口等模块组成。其中决策粗糙集组件用于网络支持系统数据的风险分析，通过对患者的症状数据与诊断错误代价的整体评估，给出患者应作出的最小风险决策，即立即治疗、免于治疗和进一步评估诊断。6.2.2.1基于网络的支持系统和粗糙集组件基于粗糙集的网络支持系统对于我们的使用用途，我们将看做是一个特定的概率计算方法，可以让我们计算有关风险分区的领域。决策理论的粗糙集模型可以通过添加一个风险因素的决策过程让我们提高传统的网
34、络支持系统的数据挖掘组件作用。使用这种风险因素网络支持系统的用户可以更明智的做出基于规则的知识库决定。基于在、和这三个区域，有两种类型的决策或支持，粗糙集组件可以提供用户：1 立即决定-这些类型的决策的基础是分类在和的区域。我们可以把它分解为：（a） 分类在地区的一个明确肯定结果。例如：症状或测试结果表明病人遭受乳腺癌。（b） 分类在地区的一个明确否定结果。例如：这些病状表明病人不受乳腺癌。2 延迟决策-这些类型的决策的基础是分类在的区域。因为在这个区域有一些不确定性的元素，此时网络支持系统的用户需做一个继续等待观望的过程。当观望的过程太大以及明确的规则不足时粗糙集理论可能就是毫无意义。下面两
35、种处理方法可以减少不确定性：（a） 获得更多的信息。更多的试验测试诊断患者是否遭受疾病，即引入更多的属性信息表进行进一步的研究获得信息，以便从有限的数据集中作出最接近的决定。（b） 降低可接受的损失。粗糙集组件允许用户修改损失函数以增加确定性。然而，这也可能增加了风险的片面性和误报警。例如，医生可以诊断患者肺部感染和咳嗽症状开一个简单的抗生素进行治疗，这个风险对病人和医生做出的错误诊断为肺癌接受化疗相对较低。决策理论的粗糙集模型是适应考虑风险因素和计算网络支持系统的容忍度，这些基于粗糙集组件类型的决策可能会大大影响知识的有效性。决策理论的粗糙集模型提供风险元素使用户自定义知识库来满足他们的优先
36、级。6.2.2.2粗糙集和网络支持系统 概率粗糙集为用户提供派生规则，这些规则可以用来支持决策。有许多类型的网络支持系统都是支持某种形式的决策，包括不限于网络决策的支持系统。因此，这表明一个重要的扩展粗糙集应该加入到网络。 从数据挖掘的角度来看粗糙集，它又是供给用户许多知识的一个途径。给定一个存储的数据，粗糙集可以用来执行分析这些数据，最终的结果被一组可以用来描述、扩展或预测的数据决策规则推导出。例如，一个时间序列数据集通过分析股票指数价格从而获得决策规则，帮助预测市场。 网络支持系统框架利用粗糙集将被连接到组件知识库、数据库、界面以及其他组件，这些在图上可以清晰的显示。承担职责的是数据挖掘组
37、件，粗糙集将在数据组件上执行数据分析。然后在此数据上得到决策规则。这些规则将被知识管理组件捕获利用，被索引到特定的知识基础领域。 一些派生的网络支持系统通过决策理论的粗糙集模型充分利用成本提供注释。这可能包括基于网络系统的决策支持系统在决策一个决策规则时引入的损失函数。使用决策理论的粗糙集模型事实上就是使用传统的粗糙集。粗糙集分析转换为决策理论的粗糙集分析，规则就是通常通过形成粗糙集分析转换为一个风险分析。传统的基于网络的支持系统与粗糙集分析规则集可以被认为是一个决策，通过最少的成本完成。例如，一组决策规则诊断的癌症也有风险的潜在损失，表示为一个假阳性和假阴性。 6.2.2.3 基于网络的医学
38、支持系统 在这里，我们将描述一个基于网络的医学支持系统。一个网络医学系统包括许多组件，这些组件又包含了症状和疾病的知识库。我们专注于在决策支持方面的医疗支持系统，这个系统将兼容使用粗糙集来执行分析医疗数据。一个网络支持系统的首要目标是有一个支持决策的专家（医生，主要是诊断专家）。 对于我们的目的，利用粗糙集的网络医疗支持系统我们将看做是可以让我们计算一个分区领域相关风险的概率计算方法。决策理论的粗糙集模型可以通过添加一个风险因素的决策过程让我们提高传统的网络支持系统的数据挖掘组件作用。体系结构如下图所示，单个组件描述如下： 病人数据库。病人数据库包含数据用于修饰或说明病人症状。这些都是用户系统
39、的通过从病人身上的问题搜集而来的，粗糙集组件和信息检索组件都会定期的访问这个数据库。 数据库管理系统。在任何的现代系统中数据库管理系统都是一个主要的组件，这是一个提供访问病人数据库的中间件。粗糙集组件和数据管理系统为元组数据。 知识管理。知识管理组件是管理知识的基础，它为访问规则数据库和和相关风险数据库提供了条件。这样可以从粗糙集分析组件和相应的引索中获得风险分析。粗糙集组件。粗糙集组件在这个系统中利用粗糙集决策理论模型来获得知识和相关的风险知识的使用，提供给用户系统和及时的信息来支持它们的决策。信息检索。信息检索组件提供搜索和索引功能，粗糙集在这里可以扮演一个较色。这个组件是直接和主要界面的
40、通信接口表示层接触，本系统的用户可以访问该组件检索病人数据，信息从知识库中反馈出来。 其他控制设备。其他控制设施包括一个健壮的安全和权限组件，因为病人数据非常敏感，与整个系统的网络功能相比，安全是一个重大问题，必须高度重视。 知识库。知识库组件包含两个主要的子组件：规则数据库和风险数据库。规则数据库是来源于粗糙集分析组件的指数知识，而风险数据库则是包含风险值决定所接受的规则数据库。 接口演示。该组件是整个用户界面层和服务器端表单请求的处理程序。这层给出了系统用户用清晰和高效的网络界面输入病人资料、搜索和获得决策支持。 用户。系统用户包括全科医生、主要的诊断专家等。用户通过互联网连接接口演示层可
41、以访问网络支持系统。 用户在诊断特定的病症时可能需要提供一定的信息和作出明确的决定，这代表了一个明确的是或否，对应于这些病人分类在或负的区域。对于那些病例在区域，仍然是一个观望决定的使用，支持系统将建议用户要么减少损失函数或者获得额外的更多相关的数据。 6.3粗糙集理论在医疗诊断系统中的应用定义1 从信息系统的决策表中，将属性集的属性逐个移去，每移去一个属性即检查其决策表，如果不出现新的不一致，则该属性是可被约去的，否则该属性是不可被约去，称这种方法为属性约简的数据分析方法。定义2 一条决策规则的条件属性值可被约去当且仅当约去之后仍然保持此规则的一致性，称这种方法为属性值的约简。 采用粗糙集理
42、论对医疗信息系统进行信息融合的一般步骤为： （1）编码：将医疗信息系统中的信息依据某种准则进行数值化处理； （2）列表：将编码后的信息组成决策表的形式； （3）属性集约简：利用定义1的概念对决策表进行化简处理； （4）属性值约简：利用定义2的概念对决策表进行化简处理； （5）规则生成：根据化简后的决策表生成规则。 6.3.1实例下面的例子（表1中a-体温，b-干咳，c-头痛，d-肌肉痛，为条件属性；e-流行性感冒，为决策属性，1到9为患者个数）涉及医疗诊断决策，也就是一个患者经医生诊断后知道其是否得了流感。利用粗糙集理论的知识对表1进行一系列的处理，最后得出诊断规则，这样医生能快速准确诊断患者的病情并作出有效的治疗方案，对患者的康复有非常重要的意义。其步骤如下：第一步，编码：将医疗信息系统中的信息依据某种准则进行数