基于假設導向分類的病理數據聚類分析算法研究.pdf

1、人們在現(xiàn)代社會活動中產生的數據逐漸增多，這些數據中含有很多對我們有用的信息。所以，從這些海量的數據中提煉出有用的信息是非常有必要的，為此人們提出了數據分類。數據圖形化分類在計算機和用戶之間建立了一座信息溝通的橋梁，將人們難以理解的信息以圖形化的形式呈現(xiàn)出來，從而發(fā)現(xiàn)便于理解的分類模式。但是，由于很難把握設計和功能的平衡，很多現(xiàn)有的分類方法實用性較差、不能有效反映數據信息。
　　該文引入了假設導向分類算法，以此為研究對象，對其在病理

2、數據中的分類進行了研究，主要的研究內容如下:
　　首先，對當前已存在的多維數據可視化算法進行了分析。通過對這些算法的總結，提出了該文引入假設導向分類算法對病理數據進行分類的必要性。
　　其次，通過對假設導向分類算法理論進行分析后，對其進行了改進，使得改進后的算法更加適合用于分析病理數據以及相關領域的醫(yī)療數據。同時也對此算法的MATLAB驗證程序進行了流程圖設計。
　　再次，用改進的假設導向分類算法對病理數據進行了投射和

3、分類，然后又將兩種數據生成的混合數據進行了投射和分類，與之前的分類結果進行了對比驗證。而且該文將假設導向分類算法和改進后的假設導向分類算法的分類結果也進行了對比驗證。
　　最后，改進的假設導向分類算法可以進行分類預測，將高維度的數據投射到二維空間。它可以對病理數據進行有效分類，從而很好地幫助醫(yī)生對患者進行高效的診斷。對于未知病情，通過這些數據的分類也可以對病例進行分類預測。改進的算法可以很好地解決數據投射過程中的數據重疊問題，因此