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
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.
Algorithms for Clustering of a Heterogeneous Data on the Example of Solution of the Medical Task
Abstract
The paper describes the original algorithm of a heterogeneous data clustering is based on complex application of a set of measures of distances and clustering methods and multi-stage clustering. In the algorithm we use ranging of attributes the object on their importance for group and a choice of an optimum attributes set, ensemble approach to get the final clustering solution. The algorithm is realized in MixDC (Mixed Data Clustering) software system. The technique and results of the solution of a real problem of a medical data clustering in software system are described.
