基于医疗数据的聚类挖掘策略研究

• 作者: 丁心安 安健 杨倩 王红刚 王艳娥
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 医疗数据 K-medoids算法 聚类 密度优化 方差
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 66-70
• 页数: 5页
• 分类号: TP311.5
• 字数: 4498字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.07.015

摘要

基于医疗数据集,研究划分式聚类算法K-medoids.针对该算法随机选取初始聚类中心、收敛速度慢、聚类结果不稳定等问题,提出基于方差的密度优化算法.该算法以样本集的均方差和距离均值为基础,再根据样本集的大小计算样本集的密度半径,在相同密度半径下稠密区域的样本具有较高的密度,通过动态选择不同高密度区域的样本作为初始聚类中心,在进行聚类的过程中通过局部优化,加快收敛速度,解决传统K-medoids存在的缺点.将该优化算法应用在UCI机器学习的医疗数据集上测试聚类效果,实验验证该算法选择的初始聚类中心位于样本集的稠密区域,更符合数据集的原始分布,且在乳腺癌数据集上具有较高的聚类准确率,聚类结果稳定,收敛速度快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安健	西安交通大学深圳研究院	20	223	8.0	14.0
2	王红刚	西安思源学院理工学院	25	48	5.0	6.0
3	王艳娥	西安思源学院理工学院	10	0	0.0	0.0
4	杨倩	西安思源学院理工学院	9	1	1.0	1.0
5	丁心安	西安思源学院理工学院	5	0	0.0	0.0