Нейро-нечеткая система поддержки принятия решений при диагностике синдрома эндогенной интоксикации

• Автор: Кузнецова, Ольга Юрьевна
• Шифр специальности: 05.13.01, 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Пенза
• Количество страниц: 189 с. : ил.

ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ ФОРМАЛИЗОВАННЫХ МЕТОДОВ ДИАГНОСТИКИ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ
1.1 Анализ лабораторных методов диагностики
1.2 Анализ формальных методов диагностики
1.3 Анализ способов заполнения пропусков в исходных данных
1.3 Анализ способов понижения размерности исходных данных
1.4 Анализ нейросетевых методов диагностики
1.4.1 Анализ математической модели персептропа
1.4.2 Анализ модели многослойной нейронной сети
1.5 Анализ методов нечеткой логики и нейро-нечетких сетей при диагностике синдрома эндогенной интоксикации
1.5.2. Анализ модели нейро-нечеткой сети
1.5.3Анализ алгоритмов обучения нейро-нечеткой сети
1.5.3 Анализ алгоритмов оптимизации нейро-нечеткой сети
Выводы к главе
ГЛАВА 2. ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВЫХ И НЕЧЕТКИХ МЕТОДОВ ДИАГНОСТИКИ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ
2.1 Постановка задачи
2.2 Проверка медицинских анализов на соответствие нормальному закону распределения
2.3 Реализация способа заполнения пропусков
2.3.1 Исследование четкой кластеризации на основе к-теат
2.3.2 Исследование алгоритма нечеткой кластеризации на основе с-теат
2.3.3 Сравнение методов кластерного анализа
2.3.4 Заполнение пропусков в данных
2.4 Выбор лабораторных показателей
2.4.1 Исследование маркеров эндогенной интоксикации для выбора информативных признаков

2.4.2 Исследование гистограмм распределения анализов больных и здоровых пациентов для выбора информативных признаков
2.4.3 Исследование применения 1-критерия Стьюдента и критерия Манна-Уитни для выбора информативных признаков
2.4.4 Исследование применения корреляционного анализа для выбора информативных признаков
2.4.5 Сравнение статистических методов выбора анализов с применением маркеров СЭИ
2.5 Исследование нейронных сетей для диагностики синдрома эндогенной интоксикации
2.5.1 Исследование персептрона
2.5.2 Исследование многослойного персептрона для диагностики синдрома эндогенной интоксикации
2.6 Исследование нейро-нечетких сетей для диагностики синдрома эндогенной интоксикации
2.6.1 Исследование адаптивной нейро-нечеткой сети АИПБ
2.6.2 Создание базы знаний
2.7 Исследование каскадной нейро-нечсткой сети
2.7.1 Анализ каскадной нейро-нечеткой сети
2.7.2 Исследование каскадной нейро-нечеткой сети для диагностики синдрома эндогенной интоксикации
Выводы к главе
ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИАГНОСТИКЕ ЭНДОГЕННОЙ ИНТОКСИКАЦИИ
3.1 Анализ требований к системе
3.2 Обоснование выбора среды разработки
3.3 Проектирование системы
3.3.1 Определение внешнего функционирования проектируемой системы. Диаграмма вариантов использования
3.3.2 Определение внешнего функционирования проектируемой системы. Диаграмма последовательности
3.3.3 Определение структуры проектируемой системы
3.4 Разработка системы

3.5 Возможности экспертной системы
3.6 Экспериментальное исследование системы поддержки принятия решений
Выводы к главе
ОБЩИЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ
Список сокращений и условных обозначений:
Список литературы:
ПРИЛОЖЕНИЕ А
Гистограммы значений лабораторных анализов больных с хронической почечной недостаточность (ХИН) в терминальной стадии и в ранней стадии хронической почечной недостаточности для проверки данных на соответствие нормальному закону распределения
ПРИЛОЖЕНИЕ Б
Евклидово расстояние между кластерами
ПРИЛОЖЕНИЕ В
Матрица степеней принадлежности объектов к кластерам
ПРИЛОЖЕНИЕ Г
Выбор информативных признаков с помощью сравнения
гистограмм распределения анализов больных и здоровых
ПРИЛОЖЕНИЕ Д
Выбор информативных признаков с помощью корреляционного анализа
ПРИЛОЖЕНИЕ Е
иМЬ-диаграммы
ПРИЛОЖЕНИЕ Ж
Удостоверение о рационализаторском предложении
ПРИЛОЖЕНИЕ
Свидетельство о регистрации программы для ЭВМ
ПРИЛОЖЕНИЕ И

после завершении этапа фаззификации используются в посылках правил системы нечеткого вывода. Лингвистическую переменную можно определить по формуле (1.7).
Для каждой лингвистической переменной определяется необходимое число значений (термов) и каждому из них ставится в соответствие некоторое значение описываемой физической величины [29, 48]. Например, значением лингвистической переменной «температура тела человека» являются термы: «пониженная», «нормальная», «повышенная», «высокая».
Для реализации лингвистической переменной необходимо определить точные физические значения ее термов. Согласно положениям теории нечетких множеств [42], каждому значению физической величины может быть поставлено в соответствие некоторое число, от нуля до единицы, которое определяет степень принадлежности данного физического значения к тому или иному терму лингвистической переменной. Прежде чем создавать лингвистическую переменную необходимо определить, сколько всего термов в переменной будет достаточно для точного представления физической величины. Для большинства систем достаточно определить от 3 до 7 термов на каждую лингвистическую переменную. Минимальное значение числа термов вполне достаточно для представления физической величины, так как содержит два экстремальных значения (минимальное и максимальное) и одно среднее. Максимальное количество термов не ограничено и зависит целиком от решаемой задачи и требуемой точности описания системы. Число же 7 обусловлено емкостью кратковременной памяти человека, в которой, по современным представлениям, может храниться до семи единиц информации.
Принадлежность каждого точного значения к одному из термов лингвистической переменной определяется посредством функции принадлежности //1( (х). Ее вид может быть абсолютно произвольным.
Обычно, в качестве функции принадлежности выбирается треугольная функция [48]:
О, х<а
х~а ^ ^ г.
,а<х<Ь

с~х ^ Г
,о<х<с

О, с<х
(1.8)
где {а, Ь, с} - числовые параметры, принимающие произвольные действительные значения. Параметры относятся к так называемым параметрам посылок.
И А, О) = ■