02 现在的位置:首页 > 期刊导读 > 2020 > 02 >

改进模糊聚类在医疗卫生数据的Takagi-Sugeno模糊模型

【作者】王露 王士同

【关键词】 指数调节 系数调节 模糊聚类 T-S模糊模型 医疗卫生

摘要传统的数据分析方法在挖掘医学数据信息时,没有充分利用可用的信息.针对这一问题,提出一种基于改进模糊聚类的Takagi-Sugeno(T-S)模糊系统,将系数调节与指数调节与经典模糊C均值聚类(Fuzzy C-means,FCM)算法结合,替换经典T-S模糊系统中的逻辑元件,合理利用T-S模糊系统在预测与回归等方面的优势的同时,通过指数或系数的灵活调控,深度挖掘医学数据中不同属性间的关联信息,提高算法在众多医学数据分析预测中的准确性.为具体评估算法有效性,在真实医疗数据集上进行实验,实验结果表明,该算法具有更高的预测精度及可行性.

上一篇:基于时间敏感滑动窗口的CP-nets结构学习
下一篇:基于结构保持对抗网络的跨模态实体分辨

版权所有:《南京大学学报(自然科学版)》 苏ICP备10085945号
地址:江苏省南京市鼓楼区汉口路22号,《南京大学学报》编辑部,210093