76、基于分类算法的MERS - CoV疾病估计研究

基于分类算法的MERS - CoV疾病估计研究

1. 引言

医疗领域存在海量数据，从中提取知识的需求使得数据挖掘技术成为处理这些数据、提取知识的有效解决方案。数据挖掘是分析数据并将其总结为有用信息的过程，可用于增加收入、降低成本或两者兼顾。它包括提取信息、存储和管理数据、提供访问、分析数据以及以有用格式呈现数据等主要元素。

数据挖掘与机器学习、统计学、数据库、模式识别和专家系统的知识获取等领域的交叉，使其能够使用来自这些交叉领域的不同分析工具和技术。分析工具用于提取数据及其类别之间的关系。这种交叉优势让数据挖掘成为无线传感器网络、教育和商业管理等领域的有效工具。

在医疗领域，沙特卫生部针对前来进行副朝和朝觐等宗教仪式的人员实施了健康监管。季节性的人员流动给限制疫情传播带来了巨大工作压力，特别是像中东呼吸综合征冠状病毒（MERS - CoV）这样在该地区传播的新病毒。早期疾病诊断应用可通过数据挖掘等技术开发。数据挖掘关注发现数据项之间的模式和关系，该领域使用的算法有助于提高决策的有效性。分类是广泛应用于疾病诊断的技术，例如在心脏病诊断中，分类算法已被证明是有效的。本文将使用三种分类技术，即朴素贝叶斯、随机森林和支持向量机（SVM），通过早期症状诊断感染MERS - CoV的患者。

2. 文献综述

2.1 MERS - CoV

如今在沙特阿拉伯，许多政府机构和研究中心都聚焦于冠状病毒（MERS - CoV），如卫生部、农业部和法赫德国王研究中心。冠状病毒家族可引发从普通感冒到严重急性呼吸综合征（SARS）等广泛疾病。MERS - CoV在全球多地传播，引起了医学研究界的极大兴趣，大家致力于了解这种新病毒、其相关症状和