基于改进AP聚类算法的人体健康评估研究

发布时间：2023-03-03 18:21

　　生活节奏的加快使人们面临的压力日益增大,亚健康人群也随之增多,人们的健康观念逐渐从“有病治病”向“未病先防”转变。为实现“未病先防”,健康评估是必不可少的环节。目前,健康评估主要方法有主观调查法与生理参数检测法,但面临的问题在于缺乏客观性与统一的评估标准,同时无法综合考虑多源生理参数的波动,造成评估的不准确性与不稳定性。鉴于此,如何选择多个生理参数且选择恰当的机器学习算法对人体健康进行综合和科学的评估,这是本文的研究重点。为了解决上述问题,本文选择AP聚类算法对多个生理参数进行聚类,实现健康评估。AP聚类算法具有简单、快速等特点,且在解决很多数据集聚类问题上比传统聚类算法能够获取更好的聚类效果。自问世以来,多个领域都在运用此算法实现聚类,如商务智能、数字医疗等。但是,AP聚类算法依然存在偏向参数和阻尼因子对该算法的聚类效果的局限性以及算法复杂度高等问题。鉴于此,本文给出了相应的解决方案。本文选取了人体的血压、肺动脉压、心率、血氧饱和度、体温和呼吸频率六大基本生理参数,运用改进后的AP聚类算法实现人体健康状况评估,最后结合Java、JSP及数据库等技术,设计开发了人体健康评估系统,实现人...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景与研究意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 AP聚类算法国内外研究现状
        1.2.2 人体健康评估国外研究现状
        1.2.3 已有研究工作中的不足
    1.3 主要研究内容
    1.4 论文章节安排
    1.5 本章小结
2 聚类及人体健康评估相关知识
    2.1 聚类
        2.1.1 经典聚类算法
        2.1.2 AP聚类算法
        2.1.3 聚类算法的评价指标
    2.2 人体健康评估的评价指标
    2.3 本章小结
3 基于改进AP聚类算法研究
    3.1 问题提出
    3.2 基于遗传算法的AP聚类算法优化
        3.2.1 模式定理
        3.2.2 遗传算法
        3.2.3 GA_AP聚类算法
        3.2.4 实验及结果分析
    3.3 基于密度峰值聚类的AP聚类算法优化
        3.3.1 相似矩阵稀疏化的理论分析
        3.3.2 基于密度峰值聚类算法
        3.3.3 DPCA_AP聚类算法
        3.3.4 实验及结果分析
    3.4 基于遗传算法和密度峰值聚类的AP聚类算法优化
    3.5 实验及结果分析
    3.6 本章小结
4 基于改进AP聚类算法的人体健康评估模型分析
    4.1 人体健康评估建模总流程
    4.2 数据源的获取和抽取
    4.3 数据预处理
        4.3.1 数据清洗
        4.3.2 数据标准化
    4.4 人体健康评估模型构建
    4.5 人体健康评估模型测试及结果分析
    4.6 本章小结
5 人体健康评估系统的设计与实现
    5.1 人体健康评估系统需求分析
    5.2 人体健康评估系统设计
        5.2.1 人体健康评估系统整体架构设计
        5.2.2 人体健康评估系数据库设计
    5.3 人体健康评估系统主要功能实现
    5.4 人体健康评估系统可视化界面展示
    5.5 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读学位期间取得的研究成果



本文编号：3752875