基于功能磁共振数据的聚类研究-概率论与数理统计专业论文.docxVIP

分类号 分类号 密级—— 学校代码10542 学{} 至Q!至鱼2j 00850 基于功能磁共振数据的聚类研究 Cluster Study based on functional magnetic resonance imaging data 研究生姓名 指导教师姓名、职称 学 科 专 业 研 究 方 向 湖南师范大学学位评定委员会办公室 二。一五年五月 万方数据 I删螋摘要 I删螋 摘要 随着世界经济文化和科学技术的不断发展，聚类分析在许多行业 中得到了广泛的应用，尤其是医疗行业。由于医疗器械的现代化，使 得人们获取数据资料变得越来越便利，对数据的研究也越来越深入。 为了从这些复杂的数据中获取有利的信息，我们必须找到一种高效的 数据分析方法。于是高维空间数据的聚类分析开始变得越来越重要。 通过聚类的方法发现数据本身固有的分类规则，我们才能够更好地处 理数据。 首先，本文详细介绍了聚类有关概念，聚类算法需要满足的条件， 以及聚类过程中会定义的两种相似性度量。除此之外，依据聚类的原 理，我们可以将聚类分为以下几种：基于层次的聚类，基于划分的聚 类，基于模糊的聚类等等。 其次，本文着重对典型聚类算法进行了一定的介绍。例如：系统 聚类法、K-means聚类法、模糊C均值聚类法等。主要阐述了系统聚 类法的基本概念以及基本思想，K-means聚类法的基本理论，模糊C 均值聚类法的理论知识。 最后，我们进行了实证分析，选择了几种不同的聚类分析算法。 比如，系统聚类法、K-means算法、基于模糊C均值的K-means算法。 通过这些方法来处理本文收集的62名正常人的大脑静息态功能性磁 共振成像数据，主要是对正常人的90个脑区进行聚类。然后将聚类 万方数据 结果与事实上的—6虬模板脑区进行比较，看是否与事实相符。综合几种不同的聚类算法，最后得出最优的聚类结果，以及确定正常人 结果与事实上的—6虬模板脑区进行比较，看是否与事实相符。综合 几种不同的聚类算法，最后得出最优的聚类结果，以及确定正常人 90个脑区能否通过聚类得到一定程度的区分。事实证明，通过聚类 的方法来对人的90个脑区进行分类是比较困难的。但是其中的某些 脑区，不论采用哪种聚类算法都可以很明显的分为一类，换而言之， 如果进行大致分类的话，可以得到某种模糊的结果，但是如果再接着 往下细分就非常困难了。 关键词： 系统聚类，K-means聚类，模糊C均值聚类 II 万方数据 ABSTRACTWith ABSTRACT With the gradual development of world economy and technology, the clustering analysis has been widely used in many areas，especially in medical treatment area．Due to the modernization of medical apparatus，it is more and more convenient for people to get data．The research of data deepens as well．In order to get useful information from these complex data，we have to fmd all efficient method of data analysis．Therefore，high dimensional spatial data clustering analysis becomes more and more important．By cluster method to find the classification principles of the data itself,We ale better able to deal with the data． Firstly,the paper gives a detailed in仃oducfion of the concemed concepts of clustering，the conditions of clustering algorithms and the two kinds of similarity measurement in the process of clustering．In addition， according to the theory of clustering，we divide clustering into the following kinds：based on hierarchy,based