Resumen

El análisis de datos médicos es una parte importante de la medicina inteligente, y el análisis de agrupación es un método comúnmente utilizado para el análisis de datos de la Medicina Tradicional China (MTC); sin embargo, el algoritmo clásico de K-Means se ve muy afectado por la selección del centro de agrupación inicial, que es fácil caer en la solución óptima local. Para evitar este problema, en este artículo se propone un algoritmo de agrupación por evolución diferencial mejorado. El algoritmo propuesto selecciona el centro de agrupación inicial al azar, optimiza y localiza el centro de agrupación en el proceso de iteración de la evolución, y mejora el modo de mutación de la evolución diferencial para mejorar la capacidad de optimización global, de modo que el efecto de agrupación pueda alcanzar la optimización global en la medida de lo posible. Se seleccionan tres conjuntos de datos de la Universidad de California, Irvine (UCI), para comparar el efecto de agrupación del algoritmo clásico K-Means, el algoritmo estándar DE-K-Means, el algoritmo K-Means y el algoritmo propuesto. Los resultados experimentales muestran que, en términos de optimización global, el algoritmo propuesto es obviamente superior a los otros tres algoritmos, y en términos de velocidad de convergencia, el algoritmo propuesto es mejor que el algoritmo DE-K-Means. Por último, el algoritmo propuesto se aplica para analizar los datos de medicamentos de la Medicina Tradicional China en el tratamiento de enfermedades pulmonares, y los resultados del análisis son coherentes con la teoría de la Medicina Tradicional China.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:Medicina tradicional china, algoritmo, algoritmo de Means, K, centro, K clásica, evolución diferencial, optimización global, análisis de datos médicos, solución óptima local
• Keywords:Traditional Chinese Medicine, algorithm, Means algorithm, K, center, classical K, differential evolution, global optimization, Medical data analysis, local optimal solution