CLASSIFICAZIONE

E INTERPRETAZIONE DI
DATI BIOMEDICI
a.a. 2014/2015

LABORATORIO 4 Implementazione di una tecnica di clustering

partitivo: kmeans

OBIETTIVO: Utilizzare lalgoritmo di clustering kmeans per la definizione delle regole di

un classificatore Fuzzy in grado di classificare i test basati sulla Muscle fatigue di una serie
di bambini affetti da Distrofia Muscolare Duchenne (DMD).

LABORATORIO:
1.

Utilizzare la funzione kmeans.m di Matlab per clusterizzare i dati relativi ai 7

bambini affetti da DMD forniti nel laboratorio precedente (considerare come
variabili solo MNF_%DEC, ICV_stim, Andam_RMS, ICV_vol, CV_%DEC). Valutare un
numero di cluster variabile da 7 a 15 e determinare il/i valore/i ottimale/i
calcolando:
a. la varianza degli elementi del cluster;
b. la distanza inter-cluster, cio la distanza tra i centroidi;
c. il numero di elementi allinterno di ciascun cluster.

2.

Una volta individuato/i il/i valore/i di cluster ottimale, utilizzare i prototipi dei
cluster ottenuti per costruire le regole attraverso la schermata di attivazione
delle regole (View -> Rules) del primo sistema fuzzy costruito nel laboratorio
precedente (FIS ottenuto sui 7 bambini, versione senza NC).

3.

Eliminare dal classificatore Fuzzy tutte le regole precedentemente inserire e

inserire solo quelle individuate attraverso il kmeans.

4.

Classificare i test relativi ai 7 bambini e valutare le prestazioni del classificatore

in termini di numero di non classificati e di variazione della classificazione
rispetto alla versione precedente.

RELAZIONE:
Riportare i risultati relativi allimplementazione del kmeans, alla costruzione delle regole e
alla classificazione dei test.

Consegna: Upload della relazione sul portale nella sezione ELABORATI (NOME FILE:
GRxxLAByy > xx: numero gruppo, yy: numero laboratorio) entro il 18 gennaio 2015 per
TUTTI I GRUPPI.