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.

• 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