基于PCA-GRA-BK算法的医疗大数据分析

摘要

随着大数据技术的迅猛发展，健康医疗大数据突破性增长，且具有多源异构、多类型、多关联性.健康医疗大数据也具备特有的5V特征：volume, velocity, variety, value, veracity.然而健康医疗数据的安全问题也随之产生，如何保护病患的隐私数据不被泄露成为一项研究热点.该文针对病患隐私保护及其数据分析问题进行研究和探讨，以PCA-GRA Datafly算法为研究对象，为了解决传统算法的QI属性过度泛化的问题及K-means算法的局部最优问题，提出PCA-GRA-BK算法(主成分分析灰度关联分析BiK-means K匿名算法).首先通过PCA算法对医疗数据进行降维分析，利用少量数据揭示医疗数据之间的内在联系，并选择出QI属性；再使用GRA算法对QI属性进行关联度分析，确定与敏感属性的关联度，构建QI属性的泛化层次，使用手肘法确定聚类算法的最佳k值，并通过聚类算法完成健康医疗数据集相似等价类的聚类；最后借助K匿名算法完成对健康医疗数据的匿名化.通过将Datafly算法、PCA-GRA Datafly算法、PCA-GRA-KK算法和PCA-GRA-BK算法进行医疗数据的匿名分析比较发现，在确保数据有效性的前提下，PAC-GRA-BK算法对于数据信息的丢失率明显降低，算法的运行速度也明显提升，进一步证明了该文提出的PAC-GRA-BK算法.

关键词

健康医疗大数据 / 隐私保护 / 灰度关联分析 / 属性泛化 / PCA-GRA-BK算法

基金资助

国家自然科学基金项目(61602161,61772180); 湖北省重点研发计划项目(2020BAB012); 湖北工业大学研究生基金项目(2021046)