色譜指紋圖譜的智能聚類分析在中醫(yī)濕證辨別方面的研究.pdf

1、該文首先對色譜法原理及其特點進行探究,根據(jù)分析化學(xué)中常用的色譜指紋圖譜來建立數(shù)學(xué)模型的方法來分析共有峰與重疊率以及n強峰的實際意義.其次,該文針對聚類分析的各種算法進行了研究和對比分析.現(xiàn)有的聚類分析算法可劃分為:劃分方法、層次的方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法.劃分方法:給定一個n個對象的數(shù)據(jù)庫,一個劃分方法構(gòu)建數(shù)據(jù)的k個劃分,每個劃分表示一個簇,并且k≤n,如k-平均法,k-中心點算法,它對小數(shù)據(jù)庫有效,計算復(fù)雜

2、度為O(n2).層次的方法:對給定數(shù)據(jù)對象集合進行層次分解.根據(jù)層次的分解如何形成,層次的方法又分為凝聚的和分裂的方法,如BIRCH算法.其計算其復(fù)雜度為O(n).基于密度的方法的主要思想是:只要鄰近區(qū)域的密度(對象或數(shù)據(jù)點的數(shù)目)超過某個閾值,就繼續(xù)聚類.這種方法可以用來過濾"噪聲"孤立點數(shù)據(jù),發(fā)現(xiàn)任意形狀的簇.如DBSCAN算法,如果用空間索引,DBSCAN的計算復(fù)雜度是O(nlogn),否則計算復(fù)雜度為O(n2).基于網(wǎng)格的方法:

3、把對象空間量化為有限數(shù)目的單元,形成了一個網(wǎng)格結(jié)構(gòu).所有的聚類操作都在這個網(wǎng)格結(jié)構(gòu)上進行.這種方法的主要優(yōu)點是處理速度快,其處理時間獨立與數(shù)據(jù)對象的數(shù)目,只與量化空間中每一維的單元數(shù)目有關(guān).如STING算法,產(chǎn)生聚類的時間復(fù)雜度為O(n),但查詢處理時間是O(g),g是最低層網(wǎng)格單元的數(shù)目,通常g遠遠小于n.基于模型的方法:為每個簇假定了一個模型,尋找數(shù)據(jù)對給定模型的最佳擬合.如COBWEB,計算復(fù)雜度會因輸入屬性的數(shù)目和屬性值的不同而

4、劇烈變化.基于模糊集的聚類分析:如模糊聚類的最大樹法.再次.該次研究利用n強峰、共有峰的重疊率和向量夾角正余弦值對樣品色譜指紋圖譜分別建立了相似度矩陣、相異性矩陣或相似度表,以這些數(shù)據(jù)模型為基礎(chǔ),分別用了k-平均、模糊聚類的最大樹法和改進的COBWEB法進行了聚類研究,得到了不同的效果.其中改進的COBWEB法利用共有峰的重疊率作為類內(nèi)相似性(P(Ai=Vij|Cκ)),把譜峰向量夾角的正弦值作為類間相異性(P(Ai=Vij),在處理譜