|
Эта публикация цитируется в 1 научной статье (всего в 1 статье)
Байесовская классификация серий многомерных данных
М. П. Кривенко Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии наук
Аннотация:
Рассматривается анализ результатов наблюдения группы объектов в течение времени, за которое эти объекты могут поменять какие-либо свои значимые характеристики. Цель состоит в том, чтобы описать изменения и выявить факторы, их определяющие. Соответствующие методы известны как лонгитюдные (продольные, протяженные во времени). В статье предлагается иной подход, когда серия многомерных характеристик некоторого объекта составляет единый вектор наблюденных значений. За счет увеличения размерности данных удается получить единую картину описания объектов и формализовать построение модели данных. Для демонстрации сути подхода и иллюстрации появляющихся возможностей анализа данных рассматривается задача ранней диагностики рака с использованием биомаркера PSA (prostate-specific antigen — простат-специфический антиген). Выявлено, что многомерный подход при анализе серии анализов приводит к повышению точности диагностики.
Ключевые слова:
классификация серий данных, лонгитюдный анализ, консолидирующий подход, смесь вероятностных анализаторов главных компонент.
Поступила в редакцию: 09.01.2020
Образец цитирования:
М. П. Кривенко, “Байесовская классификация серий многомерных данных”, Системы и средства информ., 30:1 (2020), 34–45
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/ssi682 https://www.mathnet.ru/rus/ssi/v30/i1/p34
|
Статистика просмотров: |
Страница аннотации: | 161 | PDF полного текста: | 88 | Список литературы: | 24 |
|