版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、中醫(yī)體質(zhì)分類是體質(zhì)研究的核心內(nèi)容和難點,一直未能很好解決,難以在臨床實踐中應用?,F(xiàn)行的體質(zhì)分類方法眾多,主要依靠經(jīng)驗值。人為因素較多,缺乏一定的科學依據(jù),從而制約了中醫(yī)體質(zhì)學的發(fā)展。 聚類分析是在沒有“先驗”知識的情況下進行分類的,因此具有一定的科學性和客觀性。本文首先對聚類方法進行了系統(tǒng)且完整的分析;根據(jù)中醫(yī)體質(zhì)分類的樣本特征,討論了系統(tǒng)聚類法以及K-均值聚類法在中醫(yī)體質(zhì)分類中的應用,實驗發(fā)現(xiàn)這兩種方法均存在一些缺陷,如對聚類
2、數(shù)(K值)以及初始聚類中心敏感等,難以滿足聚類要求。對此,本文結合中醫(yī)體質(zhì)的分類要求,給出了一種改進的動態(tài)聚類算法。該算法依照距離選擇較為分散的初始值,區(qū)別于以往的隨機選擇;同時過濾噪聲數(shù)據(jù),改善了聚類質(zhì)量;并在聚類的過程中動態(tài)地改變聚類半徑和聚類結果數(shù).獲得了更加合理的結果。最后,應用改進的算法對中醫(yī)體質(zhì)樣本數(shù)據(jù)進行了聚類分析,并結合中醫(yī)學知識對聚類結果加以詮釋,從而為中醫(yī)體質(zhì)的分類提供了有效的科學依據(jù)。 聚類問題要想在中醫(yī)體
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 詞聚類用于文本分類的方法研究.pdf
- 基于層次聚類的中醫(yī)體質(zhì)分類研究.pdf
- 應用于文本搜索引擎的聚類算法研究.pdf
- 幾種聚類算法應用于圖像分割的研究與比較.pdf
- 傳統(tǒng)聚類方法的分析及改進.pdf
- 核方法在分類、回歸與聚類方面的研究及應用.pdf
- 用于中醫(yī)研究的模糊聚類方法.pdf
- 聚類方法及應用研究.pdf
- kmeans聚類算法的改進研究及應用(1)
- 子空間聚類改進方法研究.pdf
- 應用于心電圖分類的KNN和SVM分類器研究.pdf
- 化學計量學方法應用于經(jīng)濟類植物的研究.pdf
- 劃分聚類與基于密度聚類算法的改進方法研究.pdf
- 蟻群聚類算法的研究及應用于入侵檢測.pdf
- 工業(yè)工程應用于醫(yī)院流程改進研究.pdf
- K-means聚類算法的改進研究及應用.pdf
- 基于模糊聚類的客戶分類方法研究.pdf
- 層次聚類的方法及應用
- 模糊k-means聚類方法研究及改進.pdf
- 聚類分類算法研究及其應用.pdf
評論
0/150
提交評論