Аннотация.

В работе представлены анализ и сравнение различных методов классификации многомерных объектов медико-биологической природы, применяемых в области «добычи данных», а именно деревья принятия решений, метод опорных векторов и гибридные нейронные сети. Эффективность использования этих методов рассматривалась на примере анализа изображений клеточных структур цитологических препаратов материала мокроты.

Ключевые слова:

добыча данных, метод опорных векторов, деревья принятия решений, нейро-нечеткие сети, классификация многомерных объектов, цитологические препараты.

Стр. 79-91.

G. M. Popova, V. N. Stepanov

"Analysis of data mining methods for classification of multidimensional medico-biological objects"

The   paper   presents   the   analysis   and   comparison   of   different   methods   for   classification   of multidimensional biomedical objects, applied in the field of "data mining": decision trees, support vector machines and hybrid neural networks. The effectiveness of these methods was checked by the example images of sputum cell structures on cytology preparations.

Keywords: Data mining, support vector machine, classification and regression trees, neuro-fuzzy networks, classification of multidimensional objects, cytological preparations.

 Полная версия статьи в формате pdf.

REFERENCES

1.   Dyuk  V.A.,  Samoylenko  A.P.  Data  Mining:  uchebnyy kurs. SPb.: Piter, 2001. - 368 S.
2.   Dyuk V.A. Obrabotka dannykh na PK v primerakh. SPb.: Piter, 1997. - 368 S.
3.  Bezrukov N.S., Yeremin Ye.L. Postroenie i modelirovanie adaptivnoy neyro-nechetkoy sistemy v zadache meditsinskoy diagnostiki // Meditsinskaya informatika. 2005. № 2(10). S. 36 – 46.
4. Permyakov A.A., Yuditskiy A.D. Primenenie neyro-nechetkoy sistemy ANFIS v analize povedencheskikh pokazateley u zhivotnykh v teste «otkrytoe pole» // Issledovaniya  v  oblasti  estestvennykh  nauk.  Oktyabr 2013.   №   10.   (elektronnyy   resurs   http://science. nauka.ru/2013/10/5995).
5.  Danilova Yu.S., Korovin Ye.N. Podderzhka prinyatiya resheniya differentsialnoy diagnostiki bronkhialnoy astmy na osnove faktornogo i diskriminantnogo analiza // Sistemnyy analiz i upravlenie v biomeditsinskikh sistemakh. 2013. T.12. № 3. S. 856-861.
6. Popova G.M., Dyatchina I.F., Melnikova N.V. Neyro-statisticheskaya model klassifikatsii mnogomernykh obektov mediko-biologicheskoy prirody // Iskusstvennyy intellekt i prinyatie resheniy. 2014. № 1. S. 66-78.
7.   Popova G.M., Stepanov V.N., Druzhinin Yu.O., Dyatchina I.F. Mnogofunktsionalnyy informatsionno – vychislitelnyy kompleks analiza i diagnostiki izobrazheniy//Informatsionnye tekhnologii i vychislitelnye sistemy. 2010. № 4. S. 25 – 37.
8.   Breiman L., Friedman J., Stone C. J., Olshen R.A. Classification and Regression Trees. Taylor & Francis, 1984. 59 P.
9.   Breiman L., Forests Random. Machine Learning, 2001. Vol. 45, No.1. P. 5-32.
10. Druzhkov P. N., Polovinkin A. N. Programmnaya realizatsiya gradientnogo bustinga derevev resheniy//Vestnik Nizhegorodskogo gosudarstvennogo universiteta im N. I. Lobachevskogo. 2011. №1. S. 193-200.
11. Vapnik V. N. Vosstanovlenie zavisimostey po empiricheskim dannym. M.: Nauka, 1979. -448 S.
12. Christopher M. Bishop. Pattern recognition and machine learning, Springer, 2006. -738 P.
13. Boser B., Guyon I., Vapnik V. In Fifth Annual Workshop on  Computational  Learning  Theory,  p.  144-152,  Pittsburgh, ACM. 1992.
14. Cortes C., Vapnik V. Support-Vector Networks. Machine Learning, 1995. Vol. 20, No. 3. P. 273-297.
15. Shtovba S.D. Proektirovanie nechetkikh sistem sredstvami MATLAB. M.: Goryachaya liniya. Telekom, 2007. – 288 S.
16. Kruglov V.V., Borisov V.V. Gibridnye neyronnye seti. Smolensk: Rusich, 2001. 224 C.
17. Korenevskiy N.A. Proektirovanie nechetkikh reshayushchikh setey, nastraivaemykh po strukture dannykh dlya zadach meditsinskoy diagnostiki // Sistemnyy analiz i upravlenie v biomeditsinskikh sistemakh. 2005. T.4. № 1. S. 12-20.
18. Korenevskiy  N.A.  Proektirovanie  sistem  prinyatiya resheniy na nechetkikh setevykh modelyakh v zadachakh meditsinskoy diagnostiki i prognozirovaniya // Vestnik novykh meditsinskikh tekhnologiy. 2006. T.13, №2. S. 25-31.