改进模糊聚类在医疗卫生数据的Takagi-Sugeno模糊模型

• 作者: 王士同 王露
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 指数调节 系数调节 模糊聚类 T-S模糊模型 医疗卫生
• 年，卷（期）: 2020,（2）
• 页码范围: 186-196
• 页数: 11页
• 分类号: TP391
• 字数: 7319字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.02.004

摘要

传统的数据分析方法在挖掘医学数据信息时,没有充分利用可用的信息.针对这一问题,提出一种基于改进模糊聚类的Takagi-Sugeno (T-S)模糊系统,将系数调节与指数调节与经典模糊C均值聚类(Fuzzy C-means,FCM)算法结合,替换经典T-S模糊系统中的逻辑元件,合理利用T-S模糊系统在预测与回归等方面的优势的同时,通过指数或系数的灵活调控,深度挖掘医学数据中不同属性间的关联信息,提高算法在众多医学数据分析预测中的准确性.为具体评估算法有效性,在真实医疗数据集上进行实验,实验结果表明,该算法具有更高的预测精度及可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同		528	3424	23.0	37.0
2	王露	江南大学数字媒体学院	4	4	1.0	2.0