Details

Title: Методы и модели интеллектуального анализа данных в исследованиях в области медицины: выпускная квалификационная работа бакалавра: направление 27.03.03 Системный анализ и управление ; образовательная программа 27.03.03_01 Теория и математические методы системного анализа и управления в технических, экономичеcких и социальных системах
Creators: Лукичева Дарья Михайловна
Scientific adviser: Нестеров Сергей Александрович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2019
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: интеллектуальный анализ; модели интеллектуального анализа; методы интеллектуального анализа; классификация; кластеризация; сердечно-сосудистые заболевания; data mining; mining models; mining methods; classification; clustering; cardiovascular disease
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 27.03.03
Speciality group (FGOS): 270000 - Управление в технических системах
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-3964
Rights: Доступ по паролю из сети Интернет (чтение)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе сделана попытка раскрыть потенциальные возможности практического применения методов интеллектуального анализа в одной из сложнейших и важнейших областей медицины – кардиологии. Основной упор сделан на математическую составляющую построения методов и моделей обработки больших данных из реальных источников, а также на системный подход в анализе полученных результатов применимо к выбранной области.

In a work attempts to reveal the potential of practical application of methods of intellectual analysis in one of the most complex and important areas of medicine – cardiology. The main emphasis is placed on the mathematical component of the construction of methods and models for processing big data from real sources, as well as on a systematic approach in the analysis of the results applicable to the selected area.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read
Internet Authorized users SPbPU Read
Internet Authorized users (not from SPbPU)
-> Internet Anonymous

Table of Contents

  • Введение
  • 1 Постановка задачи
  • 1.1 Теоретические основы кластерного анализа
  • 1.1.1 Математическая постановка задачи кластеризации
  • 1.1.2 Обзор методов поиска меры близости
  • 1.2 Теоретические основы задачи классификации
  • 1.2.1 Математическая постановка задачи классификации
  • 1.3 Формальная постановка задачи
  • 2 Обзор методов решения
  • 2.1 Методы кластерного анализа
  • 2.1.1 Метод k-средних
  • 2.1.2 Метод иерархий
  • 2.2 Методы классификации
  • 2.2.1 Упрощенный метод Байеса
  • 2.2.2 Деревья решений
  • 2.2.3 Метод опорных векторов
  • 3 Исследование и построение решения задач
  • 3.1 Решение задачи кластерного анализа
  • 3.1.1 Описание набора данных
  • 3.1.2 Подготовка данных к кластеризации
  • 3.1.3 Построение модели кластеризации методом k-средних
  • 3.1.4 Построение модели иерархической кластеризации
  • 3.2 Решение задачи классификации
  • 3.2.1 Описание набора данных
  • 3.2.2 Подготовка данных к классификации
  • 3.2.3 Построение модели классификации деревом решения
  • 3.2.4. Построение модели классификации методом опорных векторов
  • Заключение
  • Список использованной литературы
  • Приложение 1. Кластеризация: код на языке R
  • Приложение 2. Классификация: код на языке R

Usage statistics

stat Access count: 28
Last 30 days: 0
Detailed usage statistics