Манікаєва О. С. Методи класифікації гетерогенних даних в інтелектуальних системах медико-соціологічного моніторингу

Дисертація присвячена вирішенню науково-практичної задачі створення інтелектуальних систем медико-соціологічного моніторингу (МСМ) на основі удосконалених моделей представлення гетерогенних даних МСМ та розроблених методів їх класифікації за допомогою навчання мережі Кохонена. В роботі удосконалено моделі представлення слабко структурованих та слабко маркованих гетерогенних даних МСМ в просторах властивостей та ознак з урахуванням значень, типів, форматів, джерел, оцінок якості та процедури агрегування/трансформації властивостей деталізованих даних. На основі цих моделей розроблено метод узгодження маркерів класів та кластерів при навчанні мережі Кохонена з частковим залученням вчителя, який заснований на побудові двовимірної гістограми попарних збігів значень маркерів класів і кластерів з її подальшим коригуванням за рядками та за стовпцями у відповідності до розробленого правила. Метод дозволяє отримати додаткові маркери класів в немаркованій частині навчальної вибірки. На базі методу узгодження маркерів класів та кластерів для оцінки пристосованості хромосоми в популяції генетичного алгоритму для кожного прикладу із навчальної вибірки запропоновано метод евристичного коригування вагових коефіцієнтів в процесі навчання нейронної мережі Кохонена. Використання такого коригування вагових коефіцієнтів дозволило зменшити час навчання мережі Кохонена без втрати рівня достовірності класифікації. Удосконалено метод класифікації слабко структурованих та слабко маркованих гетерогенних даних МСМ за рахунок використання розроблених методів узгодження маркерів класів та кластерів та евристичного коригування вагових коефіцієнтів в процесі навчання мережі Кохонена.