Study and simulation modeling of a modified agglomerative clustering method

Abstract

В выпускной квалификационной работе исследованы основные агломеративные методы иерархической кластеризации применительно к задаче типологизации лейкоцитов по размерам клеток и сложности их строения. Для очистки данных от шумов предложен метод выделения условно изолированных точек, который основан на алгоритме кластеризации DBSCAN. Аппроксимационно-оценочный критерий применяется для определения марковского момента остановки. При проведении численных экспериментов невзвешенный центроидный метод кластеризации (UPGMC) показал наилучшие результаты, поэтому для него проведено отдельное исследование. Предложен новый способ определения расстояния, учитывающий веса кластеров, а также способ выделения кластеров в два этапа. Полученный модифицированный центроидный метод позволяет при определенных условиях выделять основные группы лейкоцитов для пациентов без серьезных патологий кроветворения.

In the graduation work the basic agglomerative methods of hierarchical clustering are studied in relation to the task of typologizing leukocytes by cell size and complexity of their structure. A method for detecting conditionally isolated points based on the DBSCAN clustering algorithm is proposed to clean data from noise. The approximation-estimating test is used to determine the Markov stopping time. UPGMC demonstrated the best results in numerical experiments, so a separate study was conducted for it. A new method for determining the distance using the cluster weights is proposed as well as a two-stage clustering method. The obtained modified centroid method allows to select the main groups of white blood cells for patients without serious hematopoiesis pathologies.