基于改进双聚类算法的中医治疗过敏性紫癜性肾炎用药剂量规律的研究

目的采用模糊C均值聚类算法和改进的CC双聚类算法,对中医治疗过敏性紫癜性肾炎(Henoch-Schonlein purpura nephritis,HSPN)用药剂量进行数据挖掘,并结合中医理论,分析数据挖掘结果。方法检索CNKI、万方数据库、维普中文期刊服务平台、中国生物医学文献数据库,自建库至2022年8月26日关于中医治疗HSPN的文献资料,提取其中的药物方剂。首先,使用模糊C均值聚类算法创建药物的大剂量、中剂量、小剂量隶属矩阵,将所有药物剂量进行分类,再结合改进的CC双聚类算法挖掘中医治疗HSPN关键药物的组分信息。结果共纳入中医治疗HSPN处方387则,其中包括药物174味,高频药物(频次≥30次)38味,高频药物组合10组,常见药物剂量组合有大剂量水牛角、生地黄配小剂量小蓟(2∶2∶1);小剂量连翘配伍小剂量金银花(1∶1);大剂量当归配伍中剂量黄芪(1∶2)等,以清热解毒、疏散风热、益气活血药为主。结论经改进的CC双聚类算法联合模糊C均值聚类算法,可以从众多的方剂数据集中挖掘出关键的药物组分,并根据药物的剂量大小进行区间划分,具有高效率数据挖掘的特点,可为HSPN中医临床治疗提供一定参考。

关联规则分布式算法的性能评价

主要叙述两种基于WS Cluster(WSs即工作站集群)环境的分布式并行处理的有效性算法。第1 种算法是在 WSs 间的关系数据比较小的表算法。另一种算法是对数据通信应用转换操作和对独立数据每接点进行大量搜索过程的简化,通过这些算法在 WSs 中的实施,并对它们的性能作出评价。

双聚类算法研究

双聚类算法的出现促进了生物基因分析领域的发展,简单介绍双聚类算法的起源、概念、目的及主要模型,对现有主要模型的优势与不足进行分析,并对常用双聚类算法的实验方法进行概括。

基于数字内容偏好的多标签分类应用

目前电信行业的数字内容研究主要是基于业务口径进行不同偏好的用户洞察,多以业务经验进行判断,不利于数字内容用户规模的发展扩大。为此,本文利用大流量客户的历史数据,基于多标签分类算法对数字内容偏好进行研究,得到各类别的潜在目标客户,最终通过营销推荐客户喜好内容,提高精准营销能力。首先以M电信公司用户的基础、消费属性等脱敏数据作为数据源,并获取近3个月视频、音乐、阅读活跃用户清单,人工进行活跃维度的标注,得到初始数据集;由于正负样本不均衡,故采用多次下采样的方法随机抽样得到3份样本数据,并使用CC、ML-KNN、Rakel D等6种算法进行对比实验验证;实验结果表明:采用Rakel D及ML-KNN多标签分类算法在数字内容用户偏好洞察方面有较好的预测能力,故采用ML-KNN作为Rakel D算法的基本分类器,即Rakel D_MLKNN方法,对正负样比例不同的数据集分别进行预测,效果均优于前6种已经存在的常用多标签分类算法及传统经验选型方法。

基于竞争的联想存储器学习算法

提出两种基于竞争的神经网络联想存储器学习算法—CC算法和ACC算法 ,并证明算法得到的神经网络对任一输入模式的竞争收敛性 ,由CC算法得到的网络 ,利用 p +n个神经元存储p个n维样本模式 ;每个样本点都是吸引中心 ,不存在假吸引中心 ;对任一输入模式 ,总被吸引到与之海明距离最小的样本点上 ;不产生拒识点 .ACC算法是CC算法的改进形式 ,所得网络可在自适应学习中收敛 ,竞争次数较CC算法大大降低 本文算法得到的网络在存储容量、容错能力方面好于Hopfield联想存储器及作为联想存储器使用的BP网络 .