论文部分内容阅读
居住健康关注的是住区对人的健康影响。健康住宅的研究目标是满足住宅基本建设要素的基础上,同时要满足居住者生理、心理、道德和社会适应等多层次的健康需求,为人们营造出安全、便利、舒适、健康的居住环境。数据挖掘技术能够帮助人们在海量数据中发现信息和知识。本文主要将数据挖掘中关联规则挖掘技术应用于居住健康领域,处理健康试点小区的调查样本数据,挖掘得出居住环境中的各项要素对健康的影响规律。本文通过分析居住健康领域框架模型,研究关联规则挖掘在本课题中的实施方法,具体研究工作如下:首先,通过分析两种数据挖掘过程模型特点及应用环境,并结合本课题的应用性特点,将CRISP-DM作为选用的过程模型,为关联规则挖掘在课题中的实施提供方法论的支持。通过比较分析两类关联规则挖掘算法的优缺点,选择适合于本课题目中系统的FP-Growth算法。其次,利用统计学方法分析调查原始数据,获得数据的性质和内在属性,并依据专家分析,得出比较重要的挖掘模型。根据多维关联规则挖掘的实施方法,完成数据预处理,建立挖掘模型,获得知识和规律,并通过分析挖掘的准确性对挖掘结果进行评估。引入领域驱动数据挖掘的概念对课题进行初步分析。最后,根据居住健康领域的需求分析,对系统进行分析架构,完成主要功能模块及数据存储的设计。将关联规则挖掘功能模块添加到系统中,完成各步聚的分析与实现。本文将CRISP-DM过程模型和多维关联规则挖掘技术应用于居住健康领域,成功地解决了多维数据的挖掘问题,获得了住区中各项因素对人的健康的影响规律,为居住健康领域的研究提供了新的方法。居住健康专家评估及规律发现决策支持系统的实现为该领域研究的进一步深入提供了有力工具。但如何更好地将居住健康中的领域知识加入到数据挖掘中,提高挖掘结果的可操作性,将是进一步研究重点。