首页 > 文献资料
-
舌诊客观化研究的一种图像处理方法
本文应用计算机图像识别研究中医舌诊的客观化，把舌像划分成3636的舌像特征块(TTB)以分析局部纹理特征，提出了对每个小块分析彩色与纹理特征的两种算法，用CIE L*u*v*彩色空间模式的分层K-means聚类方法确定色彩类，用Gabor滤波器彩色对比特征与线性判断函数分析舌像纹理特征。文中的试验表明：这些方法在判断舌像时有较强的分辨力。
-
基于医疗数据的K-means算法优化研究
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.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.
-
高血压患者并发症模式的分析方法研究
为解决当前临床上缺乏对高血压疾病亚型及并发症发病模式分析的技术体系问题,本文提出了一种集成主元分析(PCA)、K-means聚类、Apriori频繁项挖掘等理论,对高血压患者群体差异因素下的并发症模式分析方法.首先,针对患者指标的多样性所带来的冗余干扰问题,利用PCA理论对指标数据进行降维及去冗余处理;其次,在获取指标数据主元成分的基础上,利用K-means算法实现患者的群体分析;后,基于不同患者群体的并发症数据,利用Apriori算法实现并发症频繁模式分析.本文同时采用实际案例验证上述方法的有效性,以期为当前医疗大数据的分析与应用提供有效的解决思路与方案.
-
应用并行化K-means优化算法探究中医治疗高血压用药规律
介绍并行化相关概念,包括Mapreduce编程框架以及Hadoop分布式文件系统,对传统K-means算法进行优化,建立并行化K-means聚类模型,探究中医治疗高血压用药规律,挖掘出中医辨证治疗高血压的8组用药组合,结合中医理论分析,验证结论真实性.
-
基于聚类优化算法的中医治疗高血压用药规律分析
在介绍几种聚类算法概念的基础上,提出优化的K-means算法,将其用于分析2 000条中医治疗高血压临床数据,得到不同的证候所对应的8种用药组合.结果显示优化后的K-means算法在保证聚类质量的前提下,提高了算法运算速率,在性能上有显著的优越性.
-
成都市老年人心理健康影响因素聚类分析
目的 了解成都市老年人的心理健康现状,分析影响老年人心理健康的主要因素.方法 2017年7月选取成都市温江区、新都区、龙泉驿区的居家老年人和养老机构老年人作为调查对象,并针对性设计调查问卷,发放问卷650份.先对调查问卷中的基本资料进行预处理并赋值,再使用k-means聚类分析算法对老年人心理健康影响因素进行分析.结果 问卷回收650份,回收率100％,其中有效问卷636份,问卷有效率为97.8％.终聚类结果显示第一类案例数为117例,第二类案例数为255例,第三类案例数为264例.其中第一类案例变量属性特征主要为年龄偏大、收入偏低、生活满意度低、时常感觉人或事不顺眼、部分无配偶、儿女关心度低、常感孤独;第二类案例变量属性特征主要为年龄较大、收入较高、生活满意度高、看待生老病死乐观、儿女关心度高、生活担忧少、兴趣爱好多;第三类案例变量属性特征主要为年龄不大、收入一般、生活满意度较高、儿女关心度高.结论 年龄、有无配偶、收入状况及生活满意度等因素是影响老年人心理健康状况的主要因素,采用聚类分析可以获得分类结果,可为老年人的健康服务提供指导.
