计算机辅助诊断冠心病是医学和计算机领域联合研究的热点问题,冠心病病例作为数据的一种,其内部存在着大量的隐含信息。数据挖掘正是研究如何从数据中寻找这些隐含的信息,并建立辅助决策的模型的方法。基于上述背景,数据挖掘技术用于冠心病数据分析是有意义的。分类是数据挖掘中一种主要的分析手段,它通过分析数据,建立分类模型,生成分类规则,并用于分析新的数据。分类包括很多种方法如:决策树、关联规则、贝叶斯、神经网络、遗传算法等。本文以冠心病数据为研究对象,利用粗糙集和决策树(具体为C4.5算法)对其进行分类,深入研究这两种算法的具体执行过程、内部参数设计及所获得的结果,比较两种算法对冠心病数据分析的适应度。主要工作包括:1.整理实验数据。2.设计实验内容。3.分类过程与结果比较。通过研究,在对冠心病数据进行分类时,应用粗糙集和决策树算法取得了两组不同的分类规则,结果如下:1.使用C4.5决策树算法进行分类的准确率高于改进的粗糙集方法;2.使用C4.5决策树获得的分类规则的数量多于改进的粗糙集方法;3. C4.5决策树获得的规则的可读性更强。