基于熵的公共卫生大数据信息挖掘方法研究

项目名称： 基于熵的公共卫生大数据信息挖掘方法研究

项目编号： No.81402763

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 医药、卫生

项目作者： 张汝阳

作者单位： 南京医科大学

项目金额： 23万元

中文摘要： 大数据是针对特定目标多种数据的集合，特征为：体量巨大、形式多样、快速更新、价值隐藏。目前大数据分析的应用、方法仍存在缺陷。研究者往往局限于分析单一数据，基于多源数据分析的研究缺乏。常见机器学习算法并非专门为多维变量间交互作用而设计，容易遗漏高价值的交互信息。此外，现有方法效率低，很难短时间内实现大数据更新、分析结果同步的目标。信息熵因其速度优势，在数据挖掘领域具有重要地位。但是，其相关方法仍有不足，表现为：要求变量相互独立、统计分析过于耗时、无法控制混杂因素、等。公共卫生领域的大数据隐藏着高价值的信息，却缺乏高效、合理的方法。本研究的思路是：(1) 站在公共卫生大数据的层面，从多种来源、动态更新的数据中挖掘信息，建立更加准确的肿瘤风险预测模型。(2) 利用信息熵的优点，针对现有方法的不足，探索计算速度快、统计性能好的分析方法和挖掘策略。(3) 编制CPU、GPU并行计算程序，提供实用工具。

中文关键词： 信息熵；交互作用；降维策略；软件开发；风险预测

英文摘要： Big data is a combination of a series of datasets for a specified research purpose, characterized with volume, variety, velocity and veracity. However, the application or the method of public health big data analysis still needs improvement. Researchers a

英文关键词： Information entropy；Interaction；Dimensionality reduction strategy；Software development；Risk prediction