數據挖掘的激光與護理文獻定量范文

本站小編為你精心準備了數據挖掘的激光與護理文獻定量參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

隨著激光技術的迅速發展，其在護理學領域得到了廣泛的應用，兩者之間的聯系越來越緊密，同時每年有許多新的相關研究文獻不斷出現，報道該領域的研究進展，因此如何對這些激光與護理文獻進行統計與分析，找出激光與護理的研究方向顯得尤為重要。激光與護理文獻的定量分析與預測是當前激光技術學術界一個廣泛關注的點話題，針對該問題，國內外許多專家進行廣泛而且深入的研究，提出許多激光與護理文獻量統計分析與預測的模型。最為傳統的激光與護理文獻的定量分析模型基于數理統計學理論，主要有多元線性回歸模型，其首先收集相關的激光與護理文獻的歷史數據，然后采用多元線性回歸分析其變化趨勢，該模型十分容易實現，但是分析結果不太可靠。

隨著，后有人將神經網絡引入到激光與護理文獻的定量分析與預測中，相對于多元線性回歸分析，神經網絡統計分析性能更優，可以較好地捕捉激光與護理文獻相關研究的發展趨勢，然而神經網絡是一種基于經驗結構風險最小化原理的學習方法，實際也是基于數理統計學理論，因此存在過擬合，即擬合結果好，預測結果差等不足。近年來，隨著數據挖掘技術的發展，出現了許多優秀的數據挖掘方法，如粗糙集、支持向量機、灰色理論等，它們可以從歷史數據中發現系統的演化規律，為激光與護理文獻的定量分析與預測提供了一種新的工具。為了更好對激光與護理文獻進行定量分析，本文提出一種基于數據挖掘的激光與護理文獻定量分析與預測模型，測試實例結果表明，其可以準確對激光與護理研究方向發展趨勢進行準確預測，預測結果可以為相關研究人員提供有價值的參考。

1材料收集

首先通過互聯網從中國生物醫學數據庫CBM中查找到1982至2014年的激光與護理相關的文獻，搜索方式為:主關鍵字為“激光”，副關鍵字為“護理”，然后統計每一年的激光與護理相關的文獻量，最后得到的統計結果如圖1所示。從圖1可知，1982～2014年與激光與護理相關文獻量變化表面上看沒有太多的規律，因此采用傳統方法難以對其變化趨勢進行準確預測，需要采用數據挖掘技術對其進行深挖和分析，挖掘1982～2014年激光與護理相關文獻歷史數據中隱藏的變化趨勢。

2數據挖掘的激光與護理文獻定量分析

2.1數據挖掘技術設收集到激光與護理相關文獻量數據共有N個，它們組成的樣本集表示為{xi，yi}，i=1，2，…，N，通過數據挖掘技術性能優異的最小二乘支持向量機進行統計分析與預測，采用一個非線性函數將樣本映射到高維特征空間進行回歸分析。

2.2數據挖掘的激光與護理文獻定量分析步驟(1)初始化粒子群算法的參數，主要包括粒子個體數，位置和速度向量，最大迭代次數等。(2)收集激光與護理文獻量的歷史數據，并進行預處理，具體公式如下。(3)將一維激光與護理文獻量轉變化多維的激光與護理文獻量的學習樣本，并將激光與護理文獻量的訓練集輸入到最小二乘支持向量機中進行學習。(4)初始化粒子群，每一個粒子位置向量與最小乘二支持向量機參數γ和σ對應。(5)根據式(10)計算每一個粒子個體位置的適應度函數。當前一般采用訓練誤差作為粒子的適應度函數，如果過分追求訓練樣本誤差小，易產生過“擬合”現象，導致模型的泛化性能不足，因此本文將訓練樣本和驗證樣本誤差進行加權構建粒子群的適應度函數。(6)更新粒子的位置與位置，并與個體和粒子群的歷史最優位置進行比較，進行相應替換。(7)若滿足終止條件，則終止模型參數尋優，不然返回步驟(5)繼續進行模型參數優化。(8)根據找到的最優模型參數對激光與護理文獻量訓練樣本進行學習，建立預測模型，對驗證樣本進行預測，并對預測結果進行分析。

3結果與分析

采用數據挖掘技術對1982至2014年的激光與護理相關的文獻進行統計分析，對1982至2014的激光與護理相關的文獻進行擬合，得到結果如圖2和3所示，從圖2和圖3可知，1982至2014的激光與護理相關的文獻擬合值與真實值幾乎重合，兩間之間偏差的很小，可以忽略不計，擬合結果表明數據挖掘技術可以很好地激光與護理相關的文獻量變化特點進行描述，擬合精度比較高，擬合結果令人滿意。對于激光與護理相關的文獻量的研究來說，將來的變化趨勢更具有實際應用價值，對2015－2020年的激光與護理文獻數量進行預測，得到的結果如表1所示。從表1可知，在未來幾年里，于激光與護理相關的文獻量會大幅度增加，這主要是由于激光技術發展十分迅速，會引起更多的學者投身該項事業的研究中。

4結束語

對的激光與護理文獻量變化趨勢進行分析，可以為相關學者提供研究導向，為此本文提出一種基于數據挖掘的激光與護理文獻定量分析和預測模型。統計分析結果表明，數據挖掘技術可以很好的發現激光與護理文獻歷史數據中包含的信息，可以準確反映激光與護理文獻數量的變化規律，也為其他文獻數據統計分析提供了一種新的研究思路。

作者：馬音音 孫秀梅 單位：山東中醫藥大學 棗莊科技職業學院