Алгоритмы кластеризации разнотипных данных на примере решения медицинской задачи
Ключевые слова:
кластеризация, разнотипные данные, мера расстояния, алгоритм кластеризации, ансамблевый подходАннотация
Описан оригинальный алгоритм кластеризации разнотипных данных, основанный на комплексном применении набора мер расстояний и методов кластеризации и многоэтапной кластеризации. В рамках алгоритма реализовано ранжирование признаков объекта по их значимости для группировки и выбор оптимального набора признаков, ансамблевый подход для получения более устойчивого итогового кластерного решения. Алгоритм реализован в программной системе MixDC (Mixed Data Clustering). Приведены методика и результаты решения реальной задачи кластеризации медицинских данных средствами программной системы.
Литература
1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометри-ки. М.: Юнити. 2001. 656 с.
2. Бериков В.Б. Современные тенденции в кластерном анализе. URL: http://www.ict.edu.ru/ft/005638/62315e1-st02.pdf/ (дата обращения: 14.05.2014).
3. Ким Дж.-О. Факторный, дискриминантный и кластерный анализ / пер. с англ. А.М. Хотинского, С.Б. Королева // М.: Финансы и статистика. 1989. 215 с.
4. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Издательство института математики. 1999. 270 с.
5. Ускова К.С., Альсова О.К. Программная система кластерного анализа данных смешанного типа (MixDC-Mixed Data Clustering) // Свидетельство о государственной регистрации программы для ЭВМ № 2014618830. 2014.
6. Альсова О.К., Ускова К.С. Программная система кластерного анализа данных смешанного типа // Автоматика и программная инженерия. 2013. №1(3). С. 75–81.
7. Кобзарь А.И. Прикладная математическая статистика // М.: Физматлит. 2006. 816 с.
8. Чернявский А.М., Альсов С.А., Ляшенко М.М. и др. Анализ неврологических осложнений после хирургической реконструкции дуги аорты у пациентов с проксимальным расслоением // Патология кровообращения и кардиохирургия. 2013. №2. C. 35-39.
2. Бериков В.Б. Современные тенденции в кластерном анализе. URL: http://www.ict.edu.ru/ft/005638/62315e1-st02.pdf/ (дата обращения: 14.05.2014).
3. Ким Дж.-О. Факторный, дискриминантный и кластерный анализ / пер. с англ. А.М. Хотинского, С.Б. Королева // М.: Финансы и статистика. 1989. 215 с.
4. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Издательство института математики. 1999. 270 с.
5. Ускова К.С., Альсова О.К. Программная система кластерного анализа данных смешанного типа (MixDC-Mixed Data Clustering) // Свидетельство о государственной регистрации программы для ЭВМ № 2014618830. 2014.
6. Альсова О.К., Ускова К.С. Программная система кластерного анализа данных смешанного типа // Автоматика и программная инженерия. 2013. №1(3). С. 75–81.
7. Кобзарь А.И. Прикладная математическая статистика // М.: Физматлит. 2006. 816 с.
8. Чернявский А.М., Альсов С.А., Ляшенко М.М. и др. Анализ неврологических осложнений после хирургической реконструкции дуги аорты у пациентов с проксимальным расслоением // Патология кровообращения и кардиохирургия. 2013. №2. C. 35-39.
Опубликован
2014-12-26
Как цитировать
Альсова, О. К. (2014). Алгоритмы кластеризации разнотипных данных на примере решения медицинской задачи. Труды СПИИРАН, 6(37), 156-169. https://doi.org/10.15622/sp.37.10
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
