關(guān)于生物醫(yī)學(xué)數(shù)據(jù)的聚類與分類算法研究及應(yīng)用.pdf

1、數(shù)據(jù)挖掘是近年來一個十分活躍的研究領(lǐng)域。近幾年,從事數(shù)據(jù)挖掘研發(fā)的人員遍布世界多個國家,數(shù)據(jù)挖據(jù)的研究重點(diǎn)也已從算法研究向具體應(yīng)用過渡,從實(shí)驗(yàn)室原型走向商品化階段。目前幾種典型的數(shù)據(jù)挖掘研究是關(guān)聯(lián)規(guī)則、分類、聚類、預(yù)測以及Web挖掘等。數(shù)據(jù)挖掘算法中的支持向量機(jī)算法,在通過若干學(xué)者的改進(jìn)研究后,有一種改進(jìn)算法即序列最小化算法主要應(yīng)用于小樣本數(shù)據(jù)集的分類,且分類效果較好,但在訓(xùn)練大規(guī)模數(shù)據(jù)集時,用時長、所需存儲空間大,挖掘效率低。

2、　　 本文首先對數(shù)據(jù)挖掘的相關(guān)知識進(jìn)行了介紹,以及二次開發(fā)平臺WEKA的介紹,其次,對數(shù)據(jù)挖掘中的聚類算法和分類算法之一的支持向量機(jī)算法進(jìn)行了仔細(xì)的介紹和推理過程,為糖尿病數(shù)據(jù)分析和序列最小化算法的推導(dǎo)做好了鋪墊。接下來仔細(xì)介紹了糖尿病數(shù)據(jù)聚類分析過程,對現(xiàn)有的糖尿病數(shù)據(jù)集進(jìn)行一些聚類實(shí)驗(yàn),得出了一些相關(guān)結(jié)論。接下來仔細(xì)介紹序列最小化算法的原理和推導(dǎo)過程。再討論了序列最小化算法的缺陷和不足,針對這一缺陷,本文通過改變存儲策略改進(jìn)該算法