Методология поиска логических закономерностей в предметной области с нечеткой системологией : На примере клинико-экспериментальных исследований

Методология поиска логических закономерностей в предметной области с нечеткой системологией : На примере клинико-экспериментальных исследований

Автор: Дюк, Вячеслав Анатольевич

Шифр специальности: 05.13.01

Научная степень: Докторская

Год защиты: 2005

Место защиты: Санкт-Петербург

Количество страниц: 309 с. ил.

Артикул: 2852957

Автор: Дюк, Вячеслав Анатольевич

Стоимость: 250 руб.

Методология поиска логических закономерностей в предметной области с нечеткой системологией : На примере клинико-экспериментальных исследований  Методология поиска логических закономерностей в предметной области с нечеткой системологией : На примере клинико-экспериментальных исследований 

Содержание
Ф ВВЕДЕНИЕ
1. АЕАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ ПОИСКА ЗАКОНОМЕРНОСТЕЙ В ПРЕДМЕТНОЙ ОБЛАСТИ С НЕЧЕТКОЙ СИСТЕМОЛОГИЕЙ.
1.1. Специфика предметных областей с нечеткой системологией
1.2. Современные подходы к обнаружению знаний в базах
данных.
1.3. Методы поиска логических закономерностей в данных
1.4. Тестирование систем поиска логических закономерностей
1.5. Выводы.
2. ПОИСК I ПРАВИЛ В ДАННЫХ НА ОСНОВЕ ПРЕДСТАВЛЕНИЙ ЛОКАЛЬНОЙ ГЕОМЕТРИИ.
2.1. Используемые понятия и обозначения.
2.2. Общие положения локальной геометрии
2.3. Построение локальной метрики как задача отбора переменных
2.4. Поиск логических закономерностей средствами линейной алгебры
и интерактивной графики
2.5. Эффект информационного структурного резонанса.
2.6. Возможности и перспективы разработанного подхода
Ь 2.7. Выводы
3. ИССЛЕДОВАНИЕ СТРУКТУРЫ МНОЖЕСТВА ЛОГИЧЕСКИХ ЗАКОНОМЕРНОСТЕЙ НА ОСНОВЕ ГЕОМЕТРИЧЕСКИХ ПРЕДСТАВЛЕНИЙ.
3.1. преобразование как мера расстояний между логическими
правилами
3.2. Методы визуализации данных
3.3. Алгоритмы автоматического группирования
3.4. Примеры отображения структуры множества логических правил
Ф 3.5. Выводы.
4. АЛГОРИТМИЗАЦИЯ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ
4.1. Общие характеристики системы iv.
4.2. Работа с системой
4.3. Подсистема поиска ассоциаций в данных
4.4. Результаты исследования алгоритма
4.5. Выводы.
5. ПРАКТИЧЕСКИЕ ПРИМЕРЫ.
ф 5.1. Прогнозирования продолжительности жизни пациентов,
перенесших сердечный приступ, по данным эхокардиограммы .
5.2. Прогнозирование характера ремиссии у больных бронхиальной
астмой по результатам исследования плазмы крови методом
лазерной корреляционной спектроскопии.
5.3. Диагностика заболеваний почек по данным ультразвукового
исследования
5.4. Прогнозирование продолжительности ремиссий при алкоголизме
5.5. Исследование влияния экзогенных и эндогенных факторов на выраженность гемодепрессивного эффекта субтотального
облучения тела у больных злокачественными лимфомами
ф 5.6. Выводы.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Это зависит от нас, от нашего желания встать на каменистый путь реальных проблем, вместо гладкой дороги нереальных предпосылок, произвольных критериев и абстрактных результатов, не имеющих реалистической направленности. Дж. Тьюки [6], сказанные еще в году, остаются актуальными и в наши дни. Исходный объект в математической статистике — это выборка. В вероятностной теории статистики выборка - это совокупность независимых одинаково распределенных случайных элементов. В классической математической статистике элементы выборки - это числа. В многомерном статистическом анализе - вектора. В нечисловой статистике элементы выборки - это объекты нечисловой природы, которые нельзя складывать и умножать на числа. Другими словами, объекты нечисловой природы лежат в пространствах, не имеющих векторной структуры. А.И. Интервальные данные (см. Вместе с тем, акцент в прикладном статистическом анализе только на объектах нечисловой природы является далеко не полным. Когда мы имеем дело с предметными областями со сложной системной организацией, перед исследователем в первую очередь встает вопрос о том, какие признаки (атрибуты, показатели, переменные) следует включить в план статистического эксперимента. Доступных для измерения (фиксации) признаков может быть довольно много. Нередко в современных исследованиях их количество измеряется десятками, сотнями и даже тысячами, и заранее невозможно предугадать их потенциальную полезность. Таким образом, здесь мы имеем дело с еще одним мощным НЕ-фактором - высокой размерностью и неопределенностью исходного описания объектов. Более того, часто при подготовке экспериментальных данных исследователь испытывает серьезные затруднения в формулировке целевых критериев статистического анализа (здесь мы не касаемся достаточно тривиальных постановок задач дескриптивной статистики). Например, известно много фактов значительного расхождения диагностических оценок различных специалистов в медицине и психологии, принадлежащих даже только одной научной школе []. Этот НЕ-фактор, по-видимому, целесообразно определить как "нечеткость внешних критериев". Также имеет смысл выделить в самостоятельный "НЕ-фактор" наличие в описаниях сложных объектов большого количества "шумящих", не имеющих ценности переменных, способных затушевывать полезные закономерности в структурах экспериментальных данных. Кроме отмеченной ранее разнотипности признаков, с которыми приходится иметь дело при описании объектов со сложной системной организацией, принципиальной особенностью является неоднородность классов объектов, которые формируются на основании тех или иных внешних критериев. Указанные объекты часто относятся к так называемым эквифинальным системам, для которых одинаковые внешние проявления обусловлены различными внутренними механизмами. Этот НЕ-фактор обозначим как неоднородность классов. Получению данных, связанных с трудоемкими и растянутыми во времени экспериментами, часто сопутствуют осложнения в виде значительного количества пропущенных значений (пропусков). Примеры подобных экспериментов особенно часто встречаются в медицинских исследованиях, которые, бывает, занимают месяцы и даже годы. Естественно, что за столь длительный период возникает целый ряд объективных и субъективных причин возникновения описываемой ситуации (человеческий фактор, отказ приборов и др. Кроме того, продолжительность во времени процесса получения исходной информации может приводить к другой, не менее негативной ситуации -появлению резко отклоняющихся значений (выбросов) у того или иного измеряемого показателя (практически не зависимо от его природы). Еще один НЕ-фактор удобно проиллюстрировать на примере современных молекулярно-генетических исследований. Здесь мы затронем пока только один аспект, характерный для задач функциональной геномики (или протеомики). Новейшие биологические микрочипы позволяют одновременно оценивать в биопробе экспрессию десятков тысяч генов. В то же время число объектов в эксперименте редко достигает порядка нескольких сотен. Это обусловлено, главным образом, дороговизной молекулярных чипов.

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: 0.227, запросов: 244