体检工作是普通高等学校的重要工作,高校医院会定期或不定期对全校师生进行健康体检。通过对广大师生进行健康体检,可以了解在校师生的健康状况和各种疾病的发生情况。健康体检是衡量在校人员健康水平和卫生保健的主要手段,也是制定疾病防治措施和卫生政策的重要依据。目前,我国许多高校的体检工作仍处于半手工状态,没有实现信息化、规范化、标准化管理。基于J2EE平台技术己经日趋成熟,具有高可靠性,跨平台可移植性,开源代码库可用性等优点,越来越多的开发人员使用基于J2EE的WEB应用框架。本文仔细分析了体检业务的特点和具体需求,深入研究了J2EE架构及包含的各种技术,采用J2EE轻量级架构Struts、Spring、Hibernate设计和实现了一套B/S结构的体检信息系统,详细介绍了开发步骤和过程。建立基于J2EE平台的体检信息系统,有利于提高体检工作的服务质量、效率、经济效益和医院的市场竞争力,促进医院信息化建设。本文的主要研究内容如下:(1)选择基于J2EE轻量级架构建立一个高校健康信息系统。分析了表示层框架Struts、业务管理层框架Spring和对象持久层框架Hibernate的优缺点。对体检信息系统进行需求分析,描述了系统核心流程,系统结构,系统各个模块功能,最后运用J2EE轻量级框架设计和实现了一套健康信息系统。(2)对聚类概念和当前研究进展进行阐述,介绍了K-means算法选取初始聚类中心的现有方法,然后提出了一种改进的K-means初始聚类中心选取算法。K-means算法是一种基于划分的聚类方法,算法效率高,适用于处理大规模数据,但是该算法也存在不少缺点。针对该算法对初始聚类中心敏感容易陷入局部最优的缺点,本文提出一种改进的初始聚类中心选取算法,该算法通过计算每个数据对象的密度参数,然后选取k个处于高密度分布的点作为初始聚类中心。在聚类数目给定的前提下,通过用标准的UCI数据库进行实验比较,发现采用改进后方法选取的初始类中心比随机选取初始聚类中心有相对较高的准确率和稳定性。(3)将两种不同的K-means初始聚类中心选取算法:随机选取初始聚类中心算法和改进后的初始聚类中心选取算法,集成到健康信息系统中,实现在线聚类分析。对在线聚类分析模块进行了分析和研究,详细的阐述了数据提取、数据预处理、聚类分析流程和数据对比结果。