典型文献
基于聚类的血清质谱数据和体检数据关联规则分析
文献摘要：
近年来,公众健康问题成为人们关注的热点,体检数据和血清质谱数据都是通过血液样本得到的,如何快速从血液数据中获得想要的信息成为一个问题.质谱数据具有维度高,且各组数据维度不一致的特点,单靠人工难以从中提取并分析信息.随着数据挖掘中关联规则分析方法的不断进步,可以通过对血清数据进行数据挖掘找到血清之间的关联信息,从而快速得到血清数据分析结果.提出一种改进K?means算法,并用对数据进行聚类,聚类后的数据具有簇内差异小,簇间差异大的特点,能更好地对连续数据进行离散化,Apriori算法和FP?Growth算法分析得到血清质谱数据和体检数据关联规则,此关联规则可以验证血液检测结果的准确性,对于医学血液检测的发展有重大意义.
文献关键词：
聚类;关联分析;Apriori算法;质谱数据
中图分类号：
作者姓名：
王玉;韩家新
作者机构：
西安石油大学计算机学院,西安 710065
文献出处：
引用格式：
[1]王玉;韩家新-.基于聚类的血清质谱数据和体检数据关联规则分析)[J].现代计算机,2022(23):55-59
A类：
血液数据
B类：
质谱数据,体检数据,数据关联,关联规则分析,公众健康,健康问题,血液样本,数据维度,单靠,联信,means,离散化,Apriori,FP,Growth,算法分析,血液检测结果
AB值：
0.279549
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
