《表3 样本心率的实验数据与标准结果对照》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于健康数据挖掘的智能养老床系统设计研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于改进的k-Means聚类算法，使用Matlab对样本的心率数据做聚类处理，得到典型k-Means算法与本文改进算法的聚类结果（表1和表2）.由表1～2可看出，从第7次迭代开始，数据集质心趋于稳定.为了比较k-Means算法与本文改进k-Means算法的性能，实验采用Matlab自带的k-Means模块对样本数据进行聚类处理，得出标准结果，对表1和表2中第10次聚类的实验结果与标准结果数据对比得到表3.从表3可以看出，通过引入k-Means算法的极大极小初始化方法，得到的聚类中心值误差更小，聚类结果更接近标准值，证明本文方法能有效解决k-Means算法中初始值随机选择导致的中心点偏差问题.结合实际应用，样本数据的聚类结果能够表明数据间的一些隐藏关系，显示使用者心率、呼吸率的分布状况，为人体的睡眠质量、心率呼吸等健康分析提供参考依据[8].因此，本文所设计的基于健康数据挖掘的智能养老床系统能够很好地为使用者提供健康指标预测，为后续的护理措施提供科学依据.