TY -的AU -唐,丹丹盟——张,人非盟-徐Jiabo盟——张Xueliang AU -杨,方非盟-李,随着非盟-冯,李盟——王,凯盟——郑Yujian PY - 2018 DA - 2018/12/10 TI -数据挖掘技术的应用,在艾滋病高危人群的监测报告数据从2009年到2015年在乌鲁木齐SP - 9193248六世- 2018 AB - 客观的．乌鲁木齐是新疆乃至全国艾滋病感染的重点地区之一。艾滋病流行病正从高危群体向一般人口蔓延，情况仍然非常严重。本研究的目的是使用四种数据挖掘算法建立HIV感染的识别模型，并比较它们的预测性能。 方法．2009 - 2015年乌鲁木齐市注射吸毒者(IDU)、男男性行为者(MSM)、女性性工作者(FSW)三组高危人群哨点监测数据包括人口学特征、性行为、血清学检测结果。然后我们使用 年龄， 婚姻状况， 教育水平，将其他变量作为输入变量，是否感染HIV作为输出变量，对这三个数据集建立四个预测模型。我们还使用混淆矩阵、准确性、敏感性、特异性、精密度、召回率和受试者工作特征曲线(ROC)下面积(AUC)来评价分类性能，并分析预测变量的重要性。 结果．最后的实验结果表明，随机森林算法获得了最好的诊断结果，对MSM数据集的诊断准确率为94.4821%，对FSW数据集的诊断准确率为97.5136%，对IDU数据集的诊断准确率为94.6375%。其次是k近邻算法，在MSM数据集上诊断准确率为91.5258%，在FSW数据集上诊断准确率为96.3083%，在IDU数据集上诊断准确率为90.8287%，其次是支持向量机(94.0182%，98.0369%，91.3571%)。4种算法中决策树算法的诊断准确率最低，在MSM数据集上诊断准确率为79.1761%，在FSW数据集上诊断准确率为87.0283%，在IDU上诊断准确率为74.3879%。 结论．数据挖掘技术作为一种辅助疾病筛查和诊断的新方法，可以帮助医务人员从大量信息中快速筛查和诊断艾滋病。SN - 1076-2787 UR - https://doi.org/10.1155/2018/9193248 DO - 10.1155/2018/9193248 JF -复杂度PB - Hindawi KW - ER -