红斑鳞状皮肤病的聚类分析

• 作者: 张宜 李燕 李静 谢娟英 贺瑞瑞 陈媛媛
• 来源期刊: 济南大学学报（自然科学版）
• 学科: 工学
• 关键词: 红斑鳞状皮肤病 k-均值算法 k-中心点算法 最小生成树 密度峰值点 聚类分析
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 181-187
• 页数: 7页
• 分类号: TP181
• 字数: 6531字
• 语种: 中文
• DOI: 10.13349/j.cnki.jdxbn.20170405.001

摘要

针对红斑鳞状皮肤病鉴别诊断难题,提出利用聚类分析进行诊断;采用3种k-均值、 2种k-中心点、最小生成树以及密度峰值点快速搜索聚类算法对该疾病数据进行分析,比较各算法对该疾病的聚类误差平方和、 聚类结果Rand指数、 Jaccard系数、 调整Rand指数以及聚类准确率;比较各算法对预处理的数据子集的聚类结果与文献中采用k-均值算法对未预处理的该数据子集的聚类结果.结果表明:邻域k-中心点算法对红斑鳞状皮肤病有很好的聚类效果,聚类准确率、 聚类结果Rand指数、 Jaccard系数、 调整Rand指数均优于对比算法,密度全局k-均值算法的聚类效果次之,全局k-均值算法取得最佳聚类误差平方和;k-均值算法对预处理数据子集的聚类准确率最高,邻域k-中心点与密度全局k-均值算法的聚类准确率相等;数据预处理可提高k-均值算法对该疾病的诊断准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李静	陕西师范大学计算机科学学院	61	355	9.0	18.0
2	谢娟英	陕西师范大学计算机科学学院	46	873	15.0	28.0
3	李燕	陕西师范大学计算机科学学院	9	68	5.0	8.0
4	张宜	陕西师范大学计算机科学学院	1	3	1.0	1.0
5	陈媛媛	陕西师范大学计算机科学学院	2	8	2.0	2.0
6	贺瑞瑞	陕西师范大学计算机科学学院	1	3	1.0	1.0