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(duì)色譜法原理及其特點(diǎn)進(jìn)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(qiáng)峰的實(shí)際意義.其次,該文針對(duì)聚類分析的各種算法進(jìn)行了研究和對(duì)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(gè)n個(gè)對(duì)象的數(shù)據(jù)庫,一個(gè)劃分方法構(gòu)建數(shù)據(jù)的k個(gè)劃分,每個(gè)劃分表示一個(gè)簇,并且k≤n,如k-平均法,k-中心點(diǎn)算法,它對(duì)小數(shù)據(jù)庫有效,計(jì)算復(fù)雜

2、度為O(n2).層次的方法:對(duì)給定數(shù)據(jù)對(duì)象集合進(jìn)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(jì)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(duì)象或數(shù)據(jù)點(diǎn)的數(shù)目)超過某個(gè)閾值,就繼續(xù)聚類.這種方法可以用來過濾"噪聲"孤立點(diǎn)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(jì)算復(fù)雜度是O(nlogn),否則計(jì)算復(fù)雜度為O(n2).基于網(wǎng)格的方法:

3、把對(duì)象空間量化為有限數(shù)目的單元,形成了一個(gè)網(wǎng)格結(jié)構(gòu).所有的聚類操作都在這個(gè)網(wǎng)格結(jié)構(gòu)上進(jìn)行.這種方法的主要優(yōu)點(diǎn)是處理速度快,其處理時(shí)間獨(dú)立與數(shù)據(jù)對(duì)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(shí)間復(fù)雜度為O(n),但查詢處理時(shí)間是O(g),g是最低層網(wǎng)格單元的數(shù)目,通常g遠(yuǎn)遠(yuǎn)小于n.基于模型的方法:為每個(gè)簇假定了一個(gè)模型,尋找數(shù)據(jù)對(duì)給定模型的最佳擬合.如COBWEB,計(jì)算復(fù)雜度會(huì)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(qiáng)峰、共有峰的重疊率和向量夾角正余弦值對(duì)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(jìn)的COBWEB法進(jìn)行了聚類研究,得到了不同的效果.其中改進(jìn)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