Повышение эффективности принятия решений в распределенной системе на основе гибридного подхода в анализе данных

Повышение эффективности принятия решений в распределенной системе на основе гибридного подхода в анализе данных

Автор: Мутина, Елена Игоревна

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2008

Место защиты: Москва

Количество страниц: 136 с. ил.

Артикул: 4048924

Автор: Мутина, Елена Игоревна

Стоимость: 250 руб.

Повышение эффективности принятия решений в распределенной системе на основе гибридного подхода в анализе данных  Повышение эффективности принятия решений в распределенной системе на основе гибридного подхода в анализе данных 

Содержание
СПИСОК СОКРАЩЕНИЙ.
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ МЕДИЦИНСКИХ ИНФОРМАЦИОННЫХ СИСТЕМ.
1.1. Распределенная система лечебнопрофилактического
учреждения.
1.1.1. Основные виды медицинских информационных систем.
1.1.2. Обзор номенклатуры информации, содержащейся в медицинских информационных системах.
1.2. Применение медицинских систем поддержки принятия решений
1.2.1. Система поддержки принятия решений как экспертная система продукционного типа.
1.2.1.1. Описание экспертной системы.
1.2.1.2. Модели представления знаний в экспертных системах
1.2.1.3. Режимы функционирования экспертных систем.
1.2.2. Использование хранилища данных для поддержки принятия решений.
1.2.2.1. Разновидности архитектуры гиперкубов
1.2.2.2. Конструкция хранилища данных
1.2.3. Математическая модель системы поддержки принятия решений основанная на использовании хранилища данных
1.2.4. Выбор системы управления базами данных для реализации хранилища данных
1.2.4.1. Сравнение и i v.
1.2.4.1.1. Основа для сравнения
1.2.4.1.2. Интеграция с Vi i и . .
1.2.4.1.3. Разработка приложений.
1.2.4.1.4. Гибкость развертывания
1.2.4.2. Обзордостоинствi v,.
1.2.5. Недостатки современных систем поддержки принятия решений.
1.3. Основные направления улучшения медицинских информационных систем
1.4. Выводы по главе 1
ГЛАВА 2. ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ И ИХ ПРИМЕНЕНИЕ В ИНФОРМАЦИОННЫХ СИСТЕМАХ МЕДИЦИНСКИХ УЧРЕЖДЕНИЯХ.
2.1. Сравнение методов интеллектуального анализа данных.
2.1.1. Классификация задач интеллектуального анализа данных по
типам извлекаемой информации.
2.1.2. Классификация стадий интеллектуального анализа данных
2.1.2.1. Свободный поиск
2.1.2.2. Прогностическое моделирование
2.1.2.3. Анализ исключений
2.1.3. Классификация технологических методов интеллектуального анализа данных.
2.1.3.1. Непосредственное использование обучающих данных
2.1.3.2. Выявление и использование формализованных закономерностей.
2.1.3.2.1. Методы кросстабуляции.
2.1.3.2.2. Методы логической индукции.
2.1.3.2.3. Методы вывода уравнений
2.2. Критерии и обоснование выбора технологии обеспечения системы поддержки принятия решений
2.2.1. Взаимодополняемость оперативной аналитической обработки и интеллектуального анализа данных.
2.2.2. Выбор технологии интеллектуального анализа данных
2.2.3. Достоинства деревьев решений.
2.3. остроение математической модели деревьев решений для задач поддержки принятия решений
2.3.1. Общие понятия деревьев решений.
2.3.2. Характеристики деревьев решений.
2.3.3. Вычислительные методы
2.3.3.1. Выбор критерия точности прогноза.
2.3.3.1.1. Априорные вероятности.
2.3.3.1.2. Цена ошибки классификации.
2.3.3.1.3. Веса наблюдений.
2.3.3.2. Выбор типа ветвления
2.3.3.2.1. Дискриминантное одномерное ветвление
2.3.3.2.2. Дискриминантное многомерное ветвление по линейным комбинациям.
2.3.3.2.3. Полный перебор деревьев с одномерным ветвлением по методу iii i.
2.3.3.3. Определение момента прекращения ветвлений.
2.3.4. математический аппарат.
2.3.4.1. Бинарное представление дерева решений.
2.3.4.2. Функция оценки качества разбиения.
2.3.4.3. Правила разбиения.
2.3.4.4. Механизм отсечения дерева.
2.3.4.5. Выбор финального дерева.
2.3.4.6. Регрессия.
2.4. Методика построения деревьев решений на основе хранилища данных
2.5. Выводы по главе 2.
ГЛАВА 3. ИСПОЛЬЗОВАНИЕ ДЕРЕВЬЕВ РЕШЕНИЙ ДЛЯ ПОСТРОЕНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЛЕЧЕБНОПРОФИЛАКТИЧЕСКОМ
УЧРЕЖДЕНИИ.
3.1. Формализация задачи управления лечебным процессом с применением системы поддержки принятия решений медицинским персоналом.
3.1.1. Основные задачи врачатерапевта лечебнопрофилактического учреждения
3.1.2. Организация диспансерной работы в лечебнопрофилактическом учреждении.
3.1.2.1. Общие принципы организации диспансеризации
3.1.2.2. Работа врачатерапевта по диспансеризации.
3.1.2.3. Документация по диспансеризации
3.1.2.4. Контроль эффективности диспансеризации больных
острыми и хроническими заболеваниями.
3.1.3. Задачи анализа применительно к работе врачатерапевта.
3.2. Выявление и определение информации, применяемой для построения деревьев решений.
3.2.1. Экспорт и импорт данных.
3.2.1.1. Методы переноса данных.
3.2.1.2. Репликация данных
3.2.1.3. Службы i vi.
3.2.2. Определение информации необходимой для разработанной системы поддержки принятия решений.
3.2.3. Структура системы поддержки принятия решений в медицинской информационной системе.
3.2.4. Логическая модель хранилища данных
3.3. Логическая модель дерева решений и ее физическая реализация
3.4. Выводы по главе 3
ГЛАВА 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ИНФОРМАЦИОННОЙ СИСТЕМЕ ЛЕЧЕБНОПРОФИЛАКТИЧЕСКОГО УЧРЕЖДЕНИЯ
4.1. Построение и реализация клиентской и серверной частей системы поддержки принятия решений.
4.1.1. Применения клиентской части системы поддержки принятия решений в работе врачатерапевта
4.1.2. Применения серверной части системы поддержки принятия решений в работе врачатерапевта
4.2. Обоснование экономической эффективности разработанных методик и применения системы поддержки принятия решений в информационной системе медицинского учреждения.
4.2.1. Основной критерий экономической эффективности созданной
системы поддержки принятия решений.
4.2.2. Определение суммарных затрат на разработку программного продукта
4.2.2.1. Расчет затрат на заработную плату
4.2.2.2. Единый социальный налог.
4.2.2.3. Расходы на приобретение, содержание и эксплуатацию комплекса технических средств
4.2.2.4. Затраты на универсальное программное обеспечение
4.2.2.5. Затраты на мероприятия, связанные с правовой охраной разработанного программного продукта.
4.2.3. Расчет ориентировочной цены программного продукта
4.2.4. Определение показателей экономической эффективности использования разработанного программного продукта.
4.3. Выводы по главе 4
ОБЩИЕ ВЫВОДЫ.
СПИСОК ЛИТЕРАТУРЫ


Задачи, имеющие неявный характер, решаются явными методами с точностью и удобством, совершенно недостаточными для широкого практического использования в конкретных задачах прогнозирования и принятия решений. Неявные задачи явились идеальным полем для применения интеллектуального анализа данных НАД. В этой связи предлагается создание системы поддержки принятия решений I1 на основе метода деревьев решений, который имеет некоторые преимущества наряду с другими методами НАД для решения рассматриваемых задач. Тем не менее, важным является тот факт, что применение ИАД над данными, представленными с помощью систем i i i в виде реального или виртуального информационного гиперкуба, во многих случаях может оказаться эффективнее, а главное гораздо более тесно интегрированным в единую информационноаналитическую систему. Таким образом, необходимо использовать гибридный метод анализа данных, построенный на совместном применении метода деревьев решений и ОЬЛРанализа. Цель работы. Повышение эффективности принятия решений в распределенной системе за счет включения в ее состав системы поддержки принятия решений, реализованной на основе гибридного подхода в анализе данных, включающего в себя современные математические средства и информационные технологии. Методы исследований. При решении задач, поставленных в работе, были использованы основные положения организации управленческого бизнеспроцесса предприятия, методы интеллектуального анализа данных для разработки моделей и алгоритмов проектирования теории баз данных и хранилищ данных ХД, а для программной реализации структурного и объектноориентированного программирования. Научная новизна. Определен новый подход к повышению эффективности принятия решений в распределенной системе, заключающийся в использовании гибридного метода анализа данных, построенного на совместном применении интеллектуального и ОЬАРанализа данных. Разработан метод анализа данных для повышения качества и быстрого выявления скрытых взаимосвязей, учитываемых при принятии решений в задачах, связанных с лечебным процессом, на основе многомерного представления данных и применения аппарата деревьев решений. Определена структура СППР, обеспечивающая эффективную интеграцию методов, моделей и алгоритмов рационального принятия решения с применением мобильных информационных средств и технологий. Практическая ценность работы заключается в повышении эффективности принятия решений в распределенной системе за счет их улучшения, а также сокращения времени, затрачиваемого на их принятие. Реализация результатов работы. Москва. Кроме того, определена целесообразность использования разработанных методик в управлении бизнеспроцессами малого предприятия ООО Компьютерные системы и технологии г. Москва. Упомянутые выше методики внедрены в учебный процесс ГОУ В ПО МГТУ Стан кин, используются при подготовке магистрантов по направлению Автоматизация и управление магистерской программы . Человекомашинные системы управления и применяются в качестве научной основы при разработке курса лекций и практических занятий по специальной дисциплине Интеллектуальные системы обработки информации. Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на расширенных заседаниях кафедры Биотехническая кибернетика и научных семинарах в ГОУ ВПО МГТУ Станкин, а также международных и всероссийских научнотехнических конференциях VIII научной конференции МГТУ Станкин и Учебнонаучного центра математического моделирования МГТУ Станкин ИММ РАН Москва, ГОУ ВПО МГТУ Станкин, г. VIII Международной конференции Производство. Технология. Экология. ПРОТЭК Москва, ГОУ ВПО МГТУ Станкин, г. V Международной научнотехнической конференция Информационновычислительные технологии и их приложения Пенза, АГНИЦ ПГСХА, г. Публикации. По теме диссертационной работы опубликованы 6 научных работ, включая тезисы докладов, подготовленных для международных и региональных научнотехнических конференций. Структура и объем. Диссертация состоит из списка сокращений, введения, четырех глав, основных результатов и выводов, списка используемой литературы из х наименований и 2х приложений, изложена на 6 страницах машинописного текста, включая рисунка и 8 таблиц.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.357, запросов: 244