1、數(shù)據(jù)挖掘,是從大量原始數(shù)據(jù)中提取知識(shí)的過(guò)程.由于它在現(xiàn)實(shí)生活中具有廣泛的應(yīng)用背景,數(shù)據(jù)挖掘領(lǐng)域研究現(xiàn)已取得了很大進(jìn)展.多媒體數(shù)據(jù)作為數(shù)據(jù)的一個(gè)重要組成部分,目前正日益進(jìn)入人們的日常生活,因此多媒體數(shù)據(jù)挖掘領(lǐng)域也越發(fā)受到重視.圖像挖掘是多媒體挖掘領(lǐng)域的重要分支,它可以自動(dòng)地從大量圖像中發(fā)現(xiàn)隱含的知識(shí)或者模式.然而,已有的數(shù)據(jù)挖掘算法大多針對(duì)的是傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù),不能直接應(yīng)用于圖像數(shù)據(jù),這促使人們?cè)O(shè)計(jì)新的挖掘算法來(lái)適應(yīng)圖像數(shù)據(jù)挖掘.醫(yī)學(xué)圖像

2、是圖像應(yīng)用的一個(gè)重要領(lǐng)域,實(shí)際應(yīng)用中迫切需要通過(guò)圖像挖掘技術(shù),獲得隱含知識(shí)來(lái)輔助醫(yī)生進(jìn)行診斷分析.本文提出了一系列腦部醫(yī)學(xué)圖像挖掘算法.重點(diǎn)研究了三種知識(shí)類型的挖掘,包括關(guān)聯(lián)規(guī)則模式、分類模式和聚類模式.并提出了四個(gè)挖掘算法來(lái)解決在腦部醫(yī)學(xué)圖像中挖掘這些知識(shí)的問(wèn)題.此外,還給出了一個(gè)圖像預(yù)處理算法.首先,設(shè)計(jì)并實(shí)現(xiàn)了兩個(gè)關(guān)聯(lián)規(guī)則挖掘算法:一個(gè)是基于圖像整體特征的關(guān)聯(lián)規(guī)則挖掘算法,并給出了兩個(gè)可以較好描述圖像特性的特征定義;另一個(gè)是基于對(duì)

3、象的關(guān)聯(lián)規(guī)則挖掘算法,其中還提出了支持從不同粒度層面上,挖掘關(guān)聯(lián)規(guī)則的數(shù)據(jù)組織方式:三級(jí)粒度數(shù)據(jù)表結(jié)構(gòu).在此結(jié)構(gòu)的數(shù)據(jù)表上進(jìn)行關(guān)聯(lián)規(guī)則挖掘,可以獲得三級(jí)不同粒度上的強(qiáng)關(guān)聯(lián)規(guī)則.體現(xiàn)了關(guān)聯(lián)規(guī)則挖掘?qū)訉由钊氲奶攸c(diǎn).其次,提出了一個(gè)組合式分類算法.該算法結(jié)合了關(guān)聯(lián)分類和神經(jīng)網(wǎng)絡(luò)分類的優(yōu)點(diǎn).算法的分類模型由一個(gè)關(guān)聯(lián)分類子模型和一個(gè)神經(jīng)網(wǎng)絡(luò)分類子模型構(gòu)成.并給出了一個(gè)用于分支選擇的判定規(guī)則,很好地把關(guān)聯(lián)分類和神經(jīng)網(wǎng)絡(luò)分類組合成一體.最后,給出了一