[发明专利]一种基于云计算的智慧医疗大数据分析处理方法

权利要求书

1.一种基于云计算的智慧医疗大数据分析处理方法，其特征在于，包括如下步骤：

A.将所有智慧医疗数据库中的数据进行合并，对数据进行预处理，便于得到高质量的挖掘效果；

B.通过周期性关联规则挖掘智慧医疗大数据中项目集合之间的关联，有利于汇集用户详尽的病历，为制定准确有效的治疗方案提供基础；

C.通过自适应权重粒子群对查询关联数据库进行任务调度，提高查询速度与查询结果的质量，完成智慧医疗大数据的查询优化；

所述步骤B的具体实现方式为：

(1)预处理后得到的数据库D中每个用户的医疗数据组成一个集合A＝a₁，a₂，…，a_m，对于数据库中的元素X，Y∈D，且若数据库中X∪Y所占的比例为s，则X,Y具有关联规则的支持度为s，若数据库中包含X的集合有占比为c的集合也包含Y，则X，Y具有关联规则的可信度为c，若X，Y的支持度和可信度大于设定的最小支持度与最小可信度，则X，Y关联规则成立；

(2)设立每位用户每次医疗诊治的发生时间为T，诊治时长为l，总时长为L，判断关联规则是否具有周期性c：设立分类数目k，根据聚类分析将第一个诊治周期的时间分为k段：

用户的k类医疗数据为x_i+1，x_i+2，…，x_j，每个有m维，其均值向量为：

则类表示为：

建立目标函数：

目标函数的最小分类为：

计算极小点i_k，得到第k类{i_k+1,i_k+2,…,i_n}，依次计算，得到所有类，便是最优解，按诊治发生的频度，利用聚类分析决定时间段，通过优化得到周期性频繁集合x，比较某一周期中x是否满足最小支持度，若满足，则保留，否则删除，从而得到关联规则，为制定准确有效的治疗方案提供基础。

2.如权利要求1所述的一种基于云计算的智慧医疗大数据分析处理方法，其特征在于，所述步骤A的具体实现方式为：

(1)对智慧医疗数据库中变量空间的数据x_i进行重新组合，提取数据库的综合变量，将数据库对象视为变量的集合，则综合变量为变量的线性组合：

其中，μ_ki是综合变量的组合系数，k是综合变量的数量；

(2)将数据库转化为具有n个变量的数据表X，综合变量的方差为：

其中，是变量的协方差矩阵，构造拉格朗日方程：

L＝μ^TCμ-λμ^Tμ+λ

其中，λ是拉格朗日系数，求方程的偏导：

令偏导为0，则有μ^Tμ＝1，Cμ＝λμ，因此

V(f)＝μ^TCμ＝μ^Tλμ＝λ

因此μ是矩阵C的标准化特征变量，将k个综合变量的拉格朗日方程全部求解完毕，提取的标准化特征变量组成的综合变量数据库没有冗余，使数据库能够覆盖尽可能多的原数据库中的变异信息，并对高维变量空间进行降维处理，以得到高质量的挖掘效果。

3.如权利要求2所述的基于云计算的智慧医疗大数据分析处理方法，其特征在于，所述步骤C的具体实现方式为：

(1)将通过关联规则进行挖掘并分类汇集好的数据组成智慧医疗大数据库，建立云计算环境下的信息查询任务，每一次医疗数据查询任务作为一个任务调度结点，每个任务调度策略作为一个粒子，将智慧医疗大数据查询任务根据各医院划分为多个查询子任务，再根据查询内容分为三级查询子任务，将任务结点的最早可能开始时间time_i作为结点权值，遍历所有结点的time_i，最早的空闲结点将被优先调用，在调度过程中，结点的time_i将不断变化，建立由系统随机生成Q个调度策略，{x_i1,x_i2,…,x_in}代表粒子的位置，即任务分配到处理机上执行，{v_i1,v_i2,…,v_ij}代表粒子的速度，通过速度得到下一时刻粒子的位置；

(2)将任务完成总时间作为目标函数：

其中，T(i,j)是第j个子任务分配到第i个处理机上运行所需要的时间，m是此处理机上子任务的数量，任务调度所需的成本作为辅助函数：

其中，c(i,j)是第j个子任务分配到第i个处理机上运行所需要的成本，n是处理机的数量，根据两个函数的权重，得到适应度函数：

f＝ω₁T_i+ω₂C_i

其中，ω₁、ω₂是时间函数与成本函数的权重，因此，每个粒子都有一个适应值；

(3)当有任务需要调度时，随机选取一个处理机p_i处理任务结点n_j，确定n_j在p_i上的能够开始的最早时间time_ij，每选择一个处理机p_i来放置任务结点n_j时，就计算此时任务的适应值，通过非线性动态权重更新适应值：

其中，N是迭代次数，每次迭代后粒子选取可以获得更大适应值的位置作为最好的位置和群体最好的位置，直至满足设定的迭代次数，从而可以最快得到查询结果，完成智慧医疗大数据的查询优化。