基于Q矩陣特征提取的建模及可視化分析

顏遠海，楊莉云

(廣東財經(jīng)大學(xué)華商學(xué)院，511300，廣州)

0 引言

在大數(shù)據(jù)的背景下，越來越多的平臺數(shù)據(jù)被整合，科學(xué)的決策也越來越數(shù)字化、智能化。其中對大量數(shù)據(jù)的特征提取可以很好地認知事物的特征與本質(zhì)，從而形成規(guī)律、經(jīng)驗和知識。數(shù)據(jù)的可視化主體數(shù)據(jù)之間關(guān)聯(lián)性的特征通過科學(xué)布局把精美的圖表展示給決策者，但可視化程度以及可視化的內(nèi)容一直是數(shù)據(jù)可視化設(shè)計師需要認真考量的內(nèi)容。而可視化程度離不開對多維數(shù)據(jù)的降維處理，離不開良好的特征提取算法。特征提取的準(zhǔn)確性依賴于特征庫的存在，特別在多屬性數(shù)據(jù)的情況下，研究屬性或?qū)傩越M合與特征庫之間的關(guān)系，一直是研究者們探討的話題。本文利用Q矩陣理論[1]對認知診斷的影響，提出Q矩陣下的特征提取算法，并深入探索屬性之間的關(guān)聯(lián)性[2]，科學(xué)地分析可視化程度和內(nèi)容。本文的方法可以應(yīng)用到主體(比方說公司、客戶、人際關(guān)系等)間關(guān)聯(lián)性研究并為之提供科學(xué)的依據(jù)。

1 問題導(dǎo)向

本文研究的問題主要有：Q矩陣如何去識別屬性之間的關(guān)系，并建立屬性關(guān)系模型，這種模型是否有行業(yè)推廣性？Q矩陣如何建立屬性與特征之間的關(guān)聯(lián)，是否可以減少對特征庫的依賴性，因此對于可視化程度和可視化內(nèi)容需要進行挖掘分析。為了說明完整的問題鏈，特用圖1描述問題的邏輯關(guān)系[3]。

圖1 總體業(yè)務(wù)流程圖

在采集到合適大小的數(shù)據(jù)集后，首先解決的是根據(jù)不同的可視化目的，清洗不同屬性(屬性內(nèi)容及深度)的數(shù)據(jù)，利用Q矩陣將清洗后的數(shù)據(jù)進行數(shù)據(jù)屬性化處理工作，通過算法得出屬性之間的關(guān)聯(lián)性，并且在沒有特征庫存在的前提下，尋找新特征算法[3-4]。最后才是對可視化內(nèi)容和可視化程度做出科學(xué)分析。

本文重點解決3個問題，第1就是屬性清洗后Q矩陣存儲的方式，以及建立針對可視化目的的Q矩陣模型[1-2]；第2就是特征提取算法，為了提高特征提取的準(zhǔn)確性，在特征提取之前就已經(jīng)做了屬性關(guān)聯(lián)分析，通過屬性關(guān)聯(lián)分析對多維數(shù)據(jù)進行適當(dāng)?shù)慕稻S處理；第3就是可視化程度分析，為了說明不同可視化內(nèi)容與可視化程度之間的關(guān)系，可建立內(nèi)容集與可視化程度之間的模型集。

2 Q矩陣形式存儲

特征提取過程中需要使用到屬性(屬性)與項目(對象)之間的關(guān)聯(lián)矩陣(Q矩陣)，Q矩陣的行表示項目，列表示屬性。為了節(jié)省存儲容量和計算速度，把具備相同屬性的項目進行合并處理，設(shè)計一種簡化后的Q矩陣(QS矩陣)[1,6]，但是不管如何進行簡化，在大數(shù)據(jù)量的面前，如果項目有N個屬性，那么簡化后的記錄都有(2N-1)個，當(dāng)然這里討論的是定性二值屬性。為了更好地說明項目的重要性，特在存儲列中增加一項count值，用來計數(shù)基礎(chǔ)數(shù)據(jù)集中類別項目數(shù)。

假設(shè)某可視化的內(nèi)容需要N個屬性值，在基礎(chǔ)數(shù)據(jù)集中有M個項目(對象)，其中M遠大于(2N-1)個，則構(gòu)成的的Q矩陣為M*N矩陣型。而經(jīng)過修改后的Q矩陣為((2N-1)·(N+1))矩陣型。

屬性關(guān)聯(lián)模型具備封裝性且全部屬性值為1的必要條件是該前置屬性為1。顯然在圖4中當(dāng)A=1時，B或C才可能=1；反之，當(dāng)B=1時，A=1。

2.1 屬性規(guī)則空間建模

項目屬性之間有一定的關(guān)聯(lián)性，當(dāng)某屬性A明顯是屬性B的前置條件時，則屬性B的發(fā)生的必要條件是屬性A的發(fā)生。比如規(guī)定學(xué)生“成績=優(yōu)秀”的前置條件必須是“分數(shù)>=90”。則在Q矩陣中可以適當(dāng)進行簡化。為了把這些明顯規(guī)則找出來，特參考文獻[1,7]中關(guān)于簡化Q矩陣的算法方式，通過例2簡要說明算法結(jié)果。

在以上例1中，假設(shè)屬性1是屬性2的前置條件，則(0，1，-，-)是不可能發(fā)生的項目，則總體項目數(shù)為6<8。當(dāng)N值較大時，簡化Q矩陣(QS矩陣)較大程度減少項目數(shù)。對于這種不可能發(fā)生的項目的CountE值(CountE為異常項目計數(shù)值)相對較小但不等于0的情況，采用直接清理的方式進行處理。而如果CountE值占比較大的情況下，采用以下公式進行平滑處理，目的是使得其影響最小。

(1)

其中：CountR(i)為平滑處理前正常的項目計數(shù)值，sum(CountR)為正常項目計數(shù)值總和，sum(CountE)為異常項目計數(shù)值總和。CountR′(i)為平滑處理后正常項目計數(shù)值。“「」”向下取整。

定義1：孤立屬性：指的是沒有任何前置與后置條件的屬性。相反如果有前置或后置條件的屬性則為非孤立屬性[7-8]。

對于孤立屬性進行正常Q矩陣存儲，而對于非孤立屬性在Q矩陣中的存儲方式前提需要建立規(guī)則空間模型，因此一個數(shù)據(jù)集可能包含多個屬性空間模型和1個孤立屬性矩陣[6,9]。

|D|代表D中的數(shù)據(jù)行數(shù)。

R*S={Rt∪Ss|Rt∈R,Ss∈S}

其中, ΔS為網(wǎng)格單元的面積, ΔΩ為網(wǎng)格單元對球心的立體角, θ為緯度角, 在0到π/2之間; φ為經(jīng)度角, 在0到2π之間. Δθ為緯度角方向的間距, Δφ為經(jīng)度角方向的間距, 都為定常值.

(2)

其中R、S為矩陣，Rt，Ss為矩陣行。

圖2 屬性關(guān)系樣圖

經(jīng)過式(2)對圖3中的矩陣進行連接后形成了30×7形式QS矩陣(每一項增加count計數(shù)值列)，經(jīng)過屬性規(guī)則空間建模后，例3中的計算量和存儲量比建模前減少了一半多(數(shù)據(jù)項由原來的448減少到現(xiàn)在的210。存儲單元由原來的64減少至30)。

黃花三寶木TrigonostemonlutescensY. T. Chang et J. Y. Liang是大戟科（Euphorbiaceae）三寶木屬Trigonostemon Bl. 植物，其主產(chǎn)于廣西南部，生長于石灰?guī)r山地的灌木林中，為廣西特有藥用植物[1]。在我國和泰國，三寶木屬植物是應(yīng)用廣泛的民間藥[2]，此屬植物大多具有防腐、殺菌、止瀉、化痰的功效[3]。現(xiàn)代研究結(jié)果表明，三寶木屬植物所含化學(xué)成分以萜類[4]、生物堿類[5]及菲類[6]等化合物為主，具有抗腫瘤[4]、抗病毒[5]、抑菌[7]、殺蟲[8]等藥理活性，是一類值得深入研究與開發(fā)的藥用植物資源。

90年代初期，受鄧小平南巡的影響，香港大約8萬多家制造工廠北移到了內(nèi)地，企業(yè)開張的鞭炮聲連綿不斷。也催生了一批幫忙夾帶貨物的水客，王衛(wèi)也是其中一員。而王衛(wèi)和其他人不同的是，他在其中看到了商機，在碌碌的生活中找到了出路。

將變量G.Nodes.Weight添加到Q矩陣，添加圖的屬性權(quán)重。Weight變量必須是M×1 數(shù)值向量，其中M= numedges(Q)。

圖3 屬性關(guān)系QS矩陣

連續(xù)性屬性值可以借助信息熵[10](式(3))進行離散化處理。

Weight[7]=[10,7.99,7.70,4.00,4.34,3.81,4.65]-1。

(3)

(4)

數(shù)據(jù)集D及類別集合C={c1,c2, …,ck}。

count(Ci):類別Ci在D中出現(xiàn)的次數(shù)。

p(Ci)：Ci在D中出現(xiàn)的相對頻率。

p(Ci)=count(Ci)/|D|,

比如某項目有6個屬性(分別屬性A～F)，當(dāng)進行首次簡化處理后得到((26)×7)形式矩陣(即需要存儲448個數(shù)據(jù)項，需要64個數(shù)據(jù)單元)。如果A是B、C的前置條件，D是E的前置條件，F(xiàn)為孤立屬性，則分別2個屬性規(guī)則空間模型(如圖2)和1個孤立屬性矩陣。分別對它們建立Q矩陣后(圖3)進行矩陣存儲后采用參考文獻[7]的方式獲得QS矩陣。

2.2 QS矩陣的改進策略

在屬性規(guī)則空間模型中，可能存在間接前置條件下的模型。

定義3：間接前置：當(dāng)屬性A是屬性B的直接前置，而屬性B又是屬性C的直接前置，則屬性A是屬性C的間接前置。反之屬性C是屬性A的間接后置。

定義4：結(jié)構(gòu)封裝性：屬性空間關(guān)聯(lián)模型結(jié)構(gòu)只具備一個的前置屬性，則該模型具備結(jié)構(gòu)封裝性。很明顯，封裝性可以具備層次性，例如以下屬性模型。

圖4中，F(xiàn)={{B,D}{C,E,F}}具備封裝性，因為它們具備A這個前置屬性，F(xiàn)1={B,D}也具備封裝性。以下將所有具備封裝性的集合統(tǒng)稱F集合。稱A為唯一前置屬性，稱{B，D}為第1子集，{C,E,F}為第2子集(這里也是最后1子集)。

雨水集蓄利用工程建設(shè)要求集、蓄、輸、灌系統(tǒng)相互銜接配套，結(jié)構(gòu)安全實用，降雨徑流集蓄效率高。具體建設(shè)標(biāo)準(zhǔn)如下：

圖4 某屬性空間模型

為了建立Q矩陣，先對F集合中的子集進行Q矩陣存儲，再逐步進行擴張，直到將F集合中的屬性全部進行Q矩陣存儲。每一次增加只增加F子集中的前置屬性。算法(QS-F算法)如下。

1: 輸入:F集合,唯一前置屬性X2: 輸出:QS矩陣T3: S=F的第1子集Q矩陣4: R=S;5: T=空矩陣;6: While S!=F的最后1子集7: {{Do8: S進行Q矩陣存儲9: T=T×S 10: S=S∪{S的前置屬性}11: While X?S}12: R=F的下1個子集Q矩陣13: S=R;}14: 輸出 T

在定義邊與結(jié)點權(quán)重的基礎(chǔ)上，定義路徑權(quán)重，此實驗總計6條路徑，分別如下。

從以上算法中可以看出，當(dāng)T中的項目數(shù)只包括A=1的情況，而A為唯一前置條件，只有A發(fā)生的時候，其它屬性才可能發(fā)生，刪除了[0,0,0]的情況。這種狀態(tài)反映屬性間無關(guān)聯(lián)性，進一步反映出屬性間邊及路徑權(quán)重值為0，將這種情況不寫入QS矩陣中。實驗表明，QS-F算法適合大多數(shù)具備樹型結(jié)構(gòu)的屬性規(guī)則空間模型。

3 實驗設(shè)置與條件

3.1 創(chuàng)建實驗屬性層級矩陣圖

屬性個數(shù)n=7，屬性之間的關(guān)聯(lián)為層級關(guān)聯(lián)性，如圖5，關(guān)聯(lián)生成矩陣如圖6[11]。 為了充分說明實驗?zāi)Ｐ椭兴惴ǖ目尚行约坝行浴Ｌ啬M出特定的屬性樹型層級模型，研究的重點主要就是可視化屬性權(quán)重及屬性間關(guān)聯(lián)權(quán)重，過程中涉及基于QS存儲優(yōu)化。因此實驗設(shè)置過程中需要對實驗數(shù)據(jù)的質(zhì)量要求比較高。

影響公立醫(yī)院建立科學(xué)合理完善的內(nèi)部監(jiān)督評價機制的因素有很多，其影響最大的因素是:運營過程中各部門權(quán)責(zé)不明，工作標(biāo)準(zhǔn)不明確；醫(yī)院內(nèi)部缺乏專業(yè)性的評價團隊，雖然有外部專業(yè)的評價團隊可以聘用，但是長時間不利于醫(yī)院的發(fā)展，增加醫(yī)院的運營成本；內(nèi)部控制評價機制缺乏激勵措施，這大大降低了工作效率，不利于完善監(jiān)督評價機制。

圖5 屬性層級模型

圖6 Q矩陣

圖7 部分屬性QS矩陣

圖6表示每個結(jié)點與另一個結(jié)點的直接后繼結(jié)點之間的關(guān)系，圖7表示屬性QS矩陣總共25×7矩陣，每一行代表一種狀態(tài)，總共25種可能性狀態(tài)，具體可見表1屬性狀態(tài)表。

朱曉侖從不放松對自己的要求，做到對黨忠誠、個人干凈、敢于擔(dān)當(dāng)、不怕困難。柳南區(qū)食品藥品監(jiān)管工作量是一直因地域廣、人口結(jié)構(gòu)復(fù)雜而位列柳州市四城區(qū)之首，監(jiān)管對象占柳州市1/3以上，監(jiān)管壓力非常之大。朱曉侖一手抓創(chuàng)建，一手抓監(jiān)管，全力推進食品藥品監(jiān)管各項工作。他帶領(lǐng)全局同志建立了城區(qū)三級監(jiān)管體系，探索創(chuàng)新的服務(wù)模式，使基層食品藥品體制改革取得突破進展，食品藥品安全監(jiān)管職能承接有序，監(jiān)管工作穩(wěn)中有升。2015年，成功承辦廣西示范性藥品突發(fā)事件應(yīng)急演練，得到國家總局和自治區(qū)局高度好評。

3.2 項目計數(shù)值countR'(i)

根據(jù)公式1定義的項目計數(shù)值可得不同項目的計數(shù)值如圖8所示。

3.3 定義屬性權(quán)重

3.2.1 全身性并發(fā)癥 腎功能衰竭是保肢失敗常見的致死原因。長時間休克狀態(tài)腎缺血以及清創(chuàng)不徹底致毒素吸收均可導(dǎo)致急性腎功能衰竭。腎功能衰竭一旦發(fā)生，應(yīng)盡早截肢，保全生命。本組1例老年女性患者因藏獒咬傷致小腿長段毀損離斷，因既往有高血壓病史，再植術(shù)后2 d出現(xiàn)大面積腦梗死、昏迷不醒，家屬放棄治療，出院后死亡。患者年齡大、有高血壓病史、患肢損傷重、失血多，是否再植應(yīng)慎重考慮。

表1 項目屬性狀態(tài)表

圖8 不同項目的計數(shù)值

本實驗根據(jù)結(jié)點層級來定義屬性權(quán)重值，結(jié)點越高權(quán)重越高，反之越低。本文也根據(jù)了QS矩陣列來定義屬性權(quán)值，代表每個結(jié)點屬性出現(xiàn)的頻繁度[10]乘以10作為屬性權(quán)修正值。頻繁度值為該結(jié)點在所有項目中出現(xiàn)的總次數(shù)占總體項目數(shù)的比值。

定義2：數(shù)據(jù)集D按照屬性A的分裂條件分裂出的m個子數(shù)據(jù)集分別為D1,D2,…,Dm，則entropy(D,A)(式(4))綜合這m個子數(shù)據(jù)集的信息熵就可以作為衡量一個屬性A優(yōu)劣的度。

3.4 定義邊權(quán)重

新增變量G.Edges.weight[6]，定義圖的邊權(quán)重，邊權(quán)重參數(shù)值定義如下。

自磨機排礦經(jīng)直線篩篩分后，3 mm以上的礦石返回自磨機再磨，3 mm以下的礦石泵送到Φ3.2×5.4 m球磨機排礦泵池，輸送到一段Φ350 mm×8旋流器組進行分級，沉砂進入球磨再磨，溢流進入一段弱磁機選別，弱磁尾礦經(jīng)圓筒篩隔粗后給入一段強磁，強磁選尾礦直接拋尾，弱磁和強磁混合粗精礦進入Φ2.7×3.6 m球磨機排礦泵池，輸送到二段Φ350 mm×8旋流器組分級，沉砂進入球磨再磨，溢流進入二段弱磁機、強磁、搖床選別，改造后工藝流程見圖2。

李詠說他自己是“宅男”，可以一個月不出家門，這個一點兒不假。他的人生志向特簡單，就是“老婆孩子熱炕頭”。所以他除了工作，但凡還有點兒時間和精力，就全用在了家庭建設(shè)上。

G.Edges.P[i]=1/2×Weight[i,2]，其中Weight[i,2]與第i條邊有關(guān)聯(lián)的2個結(jié)點的權(quán)重值之和。所以G.Edges.P[i]=[8.99, 8.85, 5.85, 6.16, 5.75, 6.17]-1，i=1,2,3,4,5,6。

在拍攝《秋菊打官司》時，電影里有個雪景，追求極致的張藝謀，堅持要用自然雪景，也就是說，在零下二三十度的氣溫下，鞏俐要在雪里完成一切動作。鞏俐尊重導(dǎo)演的安排，結(jié)果戲拍完了，她也直接在雪地里暈倒了。在《西游記之孫悟空三打白骨精》中，為了更好地詮釋角色，她提前看了許多國內(nèi)外關(guān)于妖精、吸血鬼的書，還自創(chuàng)了“無呼吸表演”。“觀眾看不到白骨精的呼吸，因為妖精不需要這些。”

G.Edges.Q[i]=[0.80, 0.77, 0.40, 0.43, 0.38, 0.47]。

定義邊權(quán)重值G.Edges.weight[i]=G.Edges.P[i]×G.Edges.Q[i]，實驗計算得出：

G.Edges.Weight[i]=[7.19, 6.81, 2.34, 2.65, 2.18, 2.90]，i=1,2,3,4,5,6。

3.5 定義路徑權(quán)重

根據(jù)以上算法，特列舉出圖2生成QS矩陣主要的生成過程。其中A為唯一前置屬性，取值為1。

G.Path[i]=[‘1-2’,‘1-3’,‘1-2-4’,‘1-2-5’,‘1-3-6’,‘1-3-7’]。G.Path是字符型，代表路徑，對G.Path增加Weight方法，計算G.Path.Weight的方法如下。

G.Path.Weight[i]=VEG(PWeight[i])×VEG(QWeight[i])，

其中：VEG(PWeight[i])為與第i條路徑相關(guān)聯(lián)結(jié)點權(quán)重的平均值，VEG(QWeight[i])為與第i條路徑相關(guān)聯(lián)邊的權(quán)重平均值。此實驗中數(shù)據(jù)如下

VEG(PWeight[i])=[8.99，8.55，7.33，7.44，7.17，7.45]；

VEG(QWeight[i])=[7.19，6.81，4.77，4.92，4.50，4.85]；

G.Path.Weight[i]=[64.64，58.23，34.96，36.60，32.27，36.13]。

這也讓我們思考，在短視頻領(lǐng)域，流量如何成為正能量？一段時間，也有一些“三俗”的東西借“土味”之名傳播，夸張妝容、雷人雷語，甚至打暴力色情擦邊球，似乎帶上“土味”就可以理所當(dāng)然地不雅，這不僅違背了公序良俗，逾越了法律邊界，也不可能有持續(xù)的生命力。

4 實驗結(jié)果與分析

4.1 屬性權(quán)重分析

屬性權(quán)重代表著屬性的重要程度，通過比較很容易得出屬性1權(quán)重值最大，越外圍的值代表重要程度越大，在分析關(guān)鍵因素時，可通過屬性權(quán)重來定義關(guān)鍵因素的重要程度。當(dāng)考慮到重要因素時，重點也要考查關(guān)系網(wǎng)中所處的作用是什么，是全局性作用還是局部性作用。本文實驗中屬性1是具備全局性作用，也就是說當(dāng)屬性1的發(fā)生與否會影響全局的。而屬性2與屬性3的發(fā)生在特定的子范圍內(nèi)會發(fā)生影響。

圖9 結(jié)點權(quán)重圖

4.2 邊權(quán)重分析

邊權(quán)重代表屬性之間關(guān)聯(lián)權(quán)重，是一個屬性與屬性之間重要程度的衡量指標(biāo)，本實驗當(dāng)中通過科學(xué)的計算方式將屬性權(quán)重通過可視化方式表示，雷達圖顯示，越外圍的權(quán)重越大，代表關(guān)聯(lián)也就越大，關(guān)系也就越緊密(圖10)。

為了保證建筑設(shè)計質(zhì)量、降低建筑安全隱患、確保國家及人民的生命財產(chǎn)安全，1997年建設(shè)部在上海、武漢、蘇州、合肥等城市進行施工圖審查試點工作[2]，并于2000年開始實行了施工圖審查制度。但傳統(tǒng)的審圖方式效率低且漏審、錯審的概率高。2014年住建部《關(guān)于推進建筑業(yè)發(fā)展和改革的若干意見》建市〔2014〕92 號文件要求：“改進審批方式，推進電子化審查，加大公開公示力度，推進建筑市場監(jiān)管信息化與誠信體系建設(shè)，推進BIM等信息技術(shù)在工程設(shè)計、施工和運行維護全過程的應(yīng)用，提高綜合效益，探索開展白圖替代藍圖、數(shù)字化審圖等工作” [3]。

圖10 邊權(quán)重圖

4.3 路徑權(quán)重分析

路徑權(quán)重表示結(jié)點到另一個結(jié)點之間路徑的權(quán)重，是一個屬性與另一個屬性關(guān)聯(lián)程度的重要衡量指標(biāo)。本實驗中，屬性路徑越短，權(quán)重值越大，路徑越長，權(quán)重值越小。從圖11中可以看出，一個路徑的長度相同，權(quán)重值相當(dāng)取決于屬性權(quán)重值以及邊權(quán)重值。

4.4 屬性關(guān)聯(lián)權(quán)重意義分析

在對象特征提取中，需要通過一定的方法選擇一個屬性子集，很多情況下初始可以隨機選取，

圖11 路徑權(quán)重

這種方式雖然可行，但是也要付出相當(dāng)大的代價，在認識屬性之前，可以進行屬性層級認識，建立Q矩陣，識別有價值的記錄，去除噪聲數(shù)據(jù)，從而更好地進行特征提取。本文考慮到屬性權(quán)重，關(guān)聯(lián)邊權(quán)重，以及關(guān)聯(lián)路徑權(quán)重，通過3個方面的分析，可以更好地知道某數(shù)據(jù)集的特征。

同樣，研究屬性之間關(guān)聯(lián)性算法，也能夠在實際應(yīng)用場景有指導(dǎo)意義，比方說，在社會關(guān)系學(xué)中，可以衡量一個公司與公司之間業(yè)務(wù)關(guān)聯(lián)的權(quán)重，對認識一個公司或其它對象有相當(dāng)大的指導(dǎo)意義。

5 結(jié)束語

本文從Q矩陣理論進行屬性關(guān)聯(lián)分析，屬性之間的關(guān)聯(lián)具備層次性，而屬性關(guān)聯(lián)模型可能有線型、網(wǎng)狀型、樹型、離散型等模式，因此在識別屬性間的關(guān)聯(lián)通常根據(jù)經(jīng)驗不斷地進行修正，然后通過Q矩陣進行存儲，為了更好地識別屬性之間關(guān)聯(lián)而達到對象特征提取的目的，需要對不符合屬性層級模式的數(shù)據(jù)進行清洗，為了了解屬性權(quán)重，需要讀到數(shù)據(jù)集中有關(guān)該屬性的全部數(shù)據(jù)值，屬性的權(quán)重意義代表著對特征貢獻程度，也代表著對其它屬性的影響程度。

冠心病組膽紅素、HDL濃度低于非冠心病組，血尿酸水平、TC、LDL高于非冠心病組；均有統(tǒng)計學(xué)意義（P＜0.05）。兩組比較上TG無統(tǒng)計學(xué)意義（P＞0.05）。表明高TBIL、IBIL、DBIL、HDL為冠心病的保護因素，UA、LDL、TC為冠心病危險因素；見表2。

本文從結(jié)合Q矩陣理論，對數(shù)據(jù)進行去除噪聲數(shù)據(jù)處理，并對合理數(shù)據(jù)進行數(shù)據(jù)統(tǒng)計與分析，建立屬性權(quán)重、屬性關(guān)聯(lián)權(quán)重、屬性間路徑權(quán)重，通過算法計算。實驗證明，屬性權(quán)重值屬性間關(guān)聯(lián)權(quán)重值計算方式，權(quán)重越大，對特征提取的貢獻值也越大，數(shù)據(jù)集特征同樣也取決于屬性間路徑權(quán)重，如果某路徑值越大，代表著該路徑趨勢越明顯，出現(xiàn)的概率越大；反之，概率越小。本文研究應(yīng)用可用于對主體(比方說公司、客戶、人際關(guān)系等)間關(guān)聯(lián)性分析，并為之提供科學(xué)的依據(jù)，但是所考慮的因素有限，比方說屬性值只考慮了二值劃分，定義權(quán)重因素過于依賴數(shù)據(jù)樣本等。基于本實驗研究，還有很多工作需要深入研究，比方說考慮更多因素來定義權(quán)重問題，考慮多值屬性的關(guān)聯(lián)研究等。