改进模糊聚类在医疗卫生数据的Takagi-Sugeno模糊模型  

Takagi-Sugeno fuzzy modeling based on improved fuzzy clustering for health care data

作　　者：王露 王士同 Wang Lu;Wang Shitong(School of Digital Media,Jiangnan University,Wuxi,214122,China;Key Laboratory of Media Design and Software Technology of Jiangsu Province,Jiangnan University,Wuxi,214122,China)

机构地区：[1]江南大学数字媒体学院,无锡214122 [2]江苏省媒体设计与软件技术重点实验室,江南大学,无锡214122

出　　处：《南京大学学报（自然科学版）》2020年第2期186-196,共11页Journal of Nanjing University（Natural Science）

基　　金：江苏省自然科学基金(BK20160187)。

摘　　要：传统的数据分析方法在挖掘医学数据信息时,没有充分利用可用的信息.针对这一问题,提出一种基于改进模糊聚类的Takagi-Sugeno(T-S)模糊系统,将系数调节与指数调节与经典模糊C均值聚类(Fuzzy C-means,FCM)算法结合,替换经典T-S模糊系统中的逻辑元件,合理利用T-S模糊系统在预测与回归等方面的优势的同时,通过指数或系数的灵活调控,深度挖掘医学数据中不同属性间的关联信息,提高算法在众多医学数据分析预测中的准确性.为具体评估算法有效性,在真实医疗数据集上进行实验,实验结果表明,该算法具有更高的预测精度及可行性.A novel Takagi-Sugeno(T-S) fuzzy system based on an improved fuzzy clustering algorithm is developed to fully leverage useful information in medical data. By combining the classical Fuzzy C-Means(FCM) with adaptive parameters in distance measures and simultaneously keeping the basic structure of T-S fuzzy systems,the proposed fuzzy system has its adaptive modeling superiority in prediction for medical data. The experimental results on the adopted medical datasets indicate both promising performance and feasibility of the proposed fuzzy system.

关 键 词：指数调节 系数调节 模糊聚类 T-S模糊模型 医疗卫生 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]