基于医疗数据的K-means算法优化研究

• 作者: 宋欣霞 金卫
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 医疗数据 数据挖掘 K-means算法
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 特别专题——医疗健康大数据论坛
• 页码范围: 22-24
• 页数: 3页
• 分类号: R319|TP399
• 字数: 2397字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2016.08.007

摘要

随着医学信息化、网络化的发展,传统的数据挖掘[1]方法在处理复杂的医学数据方面,表现出很大的局限性.因此,需要研究开发更有效的挖掘方法.通过对聚类分析中最经典的K-means算法[2]进行优化研究,以解决在每次迭代中,K-means算法都要计算数据点和所有中心之间的距离[3]问题为目的.通过保留数据点到最近的簇的距离,并与下次迭代中计算的中心点距离作比较的方法,减少了K-means算法在图案数量和迭代集群数量时所需的时间,并能够产生与原始算法相同有效的聚类结果.最终得到改进后的算法大大提高了执行效率,且在性能上比K-means算法有显著优越性的结论.