Модели и алгоритмы классификации состояний биоценозов на основе структурных свойств многомерных данных

• Автор: Пожидаева, Анастасия Сергеевна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Нижний Новгород
• Количество страниц: 113 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ЕЛАВА 1. ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ КЛАССИФИКАЦИИ МНОГОМЕРНЫХ ДАННЫХ И ПОСТАНОВКА ЗАДАЧИ

1.1. Статистический метод классификации многомерных данных

1.2. Возможность использования нечеткой логики для классификации многомерных данных

1.3. Метод классификации многомерных данных, основанный на нейронных технологиях

1.3.1 .Искусственный нейрон

1.3.2. Многослойный персептрон

1.3.3. Нейронная сеть Ворда

1.3.4. Нейронная сеть Кохонена

1.4. Робастный метод классификации многомерных данных

1.4.1. Робастная регрессия
1.4.2. Знаковая регрессия
1.5 Необходимость разработки моделей и алгоритмов классификации состояний биоценозов на примере микробиоценоза желудочно-кишечного тракта человека
1.5.1 .Дисбиоз желудочно-кишечного тракта
1.5.2. Характеристика микрофлоры кишечника людей различного возраста
1.5.3.Выбор параметров оценки состояния биоценоза желудочно-кишечного тракта человека
1.6 Выводы и постановка задачи

ГЛАВА 2. МОДЕЛИ ПРЕДСТАВЛЕНИЯ МНОГОМЕРНЫХ ДАННЫХ
2.1. Структурно-статистическая модель представления многомерных данных
Метод проекций
2.2. Нечеткая модель представления многомерных данных
2.2.1. Функции принадлежности
2.2.2. Метод вычисления функции принадлежности применительно к задаче классификации многомерных данных
2.3. Знаковая модель представления многомерных данных
2.4. Выводы
ГЛАВА 3. РАЗРАБОТКА АЛГОРИТМОВ КЛАССИФИКАЦИИ СОСТОЯНИЙ БИОЦЕНОЗОВ
3.1. Алгоритм классификации, основанный на структурно-статистической модели представления многомерных данных
3.2. Алгоритм классификации, основанный на нечеткой модели представления многомерных данных
3.2.1. «Классический» алгоритм классификации состояний биоценозов
3.2.2. Нечеткий алгоритм классификации состояний биоценозов.
3.3. Алгоритм классификации, основанный на знаковой модели представления многомерных данных
3.4. Выводы
ГЛАВА 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ КЛАССИФИКАЦИИ

4.1. Экспериментальное исследование алгоритма классификации,
основанного на структурно-статистической модели
4.2. Экспериментальное исследование алгоритма классификации,
основанного на нечеткой модели
4.3. Экспериментальное исследование алгоритма классификации,
основанного на знаковой модели
4.4. Классификация состояний микробиоценозов желудочно-кишечного
тракта человека с использованием нейросетевых технологий
4.5. Сравнительный анализ алгоритмов классификации
4.6. Описание программной реализации
4.7. Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЯ

№п/п Признаки
19 Количество Morganella morganii
20 Количество Proteus vulgaris
21 Количество Providencia spp. и другие редко встречающиеся виды семейства Enterobacteriaceae
22 Количество Hafnia spp., Serratia spp.
23 Количество Pseudomonas aeruginosa
24 Количество НГОБ
25 Количество Candida spp.
26 Количество дрожжевых клеток - дрожжеподобные грибы, не относящиеся к роду Candida
27 Количество Shigella spp.
28 Количество Salmonella spp.
29 Количество энтеропатогенных и энтеротоксигенных кишечных палочек
Признаки №1, 2, 3 - виды микроорганизмов, встречающиеся в норме у всех возрастных групп «здоровых» людей, представители резидентной микрофлоры кишечника человека.
Признак №4 - Fusobacterium spp., Peptococcus spp., Peptostreptococcus spp., Eubacterium spp., Clostridium spp. - значение и роль их в микробиоценозе неоднозначна. Одни авторы регламентируют их количество в норме, другие относят их к условно-патогенным микроорганизмам (УПМ).
Признак №5 - роль бактероидов до конца не выяснена, но установлено, что они принимают участие в пищеварении, расщепляют желчные кислоты, участвуют в процессе липидного обмена. Отмечено, что заселение