数据聚类挖掘技术及应用研究
——以医院急救管理系统为例

张志荣，赵 媛

（武警山西省总队医院 山西 太原 030006）

1 引言

数据挖掘是指从大量数据中通过算法搜索隐藏于其中的信息的过程，是人工智能和数据库领域研究的热点问题。所谓聚类挖掘分析，就是根据待分类模式特征的相似或相异程度将数据样本进行分组，从而使同一组的数据尽可能相似，不同组的数据尽可能相异。它的目的是用于知识发现而不是用于预测[1]。评判聚类结果的标准就是：组内部的数据相似度越大，组与组之间的数据差异度越大，那么聚类的效果就越好[2]。

医院急救管理系统是一种可以满足普通入院前、院内急救和院外救援系统的数据存储和管理等多种需要的软件，记录疾病的发生及病情的变化情况，同时保存相关的疾病诊疗信息，为以后的疾病诊疗工作提供数据支持。在实际应用的过程当中，需要采取有效的数据处理手段，针对数据中的各项关系进行全面探究整理，从而形成相应的数据结论[3]。本文以医院急救管理系统数据为基础，进行聚类挖掘技术的应用研究。

2 聚类挖掘的算法

2.1 划分方法

对有n个数据元组的数据库，划分方法是构建k个划分，k≤n。其中，每个划分必须至少包含一个数据元组，每个数据元组必须只属于一个划分，在模糊划分方法中，数据元组不一定只属于一个划分。

2.2 层次方法

层次方法是用层次分解来创建数据集。根据层次分解的形成方式，又可以分为凝聚和分裂两种方法。凝聚法将每个数据元组形成单独的组，然后逐次合并相近的数据元组，直到所有的组合并为一个，或直到满足某个条件终止。……