Автореферат (1137258), страница 5
Текст из файла (страница 5)
Узор #5 позволяетнайти тот факт, что рак у некоторых пациентов был обнаружен в различныхбольницах региона , в то время как химиотерапию они все проходили в конкретной клинике. Такого рода узоры помогают как найти скрытые знания оприроде заболеваний, как в случаях #2 и #4, так и выявить ошибки или особенности, как в случае #5.В конце данной главы исследуется возможность сходных работ к исследованию таких процессов. Для этого сходные подходы должны быть модифицированы, чтобы иметь возможность обрабатывать такие процессы. В частностиописывается, как сложная структура должна быть переведена в представле24ние, в котором каждое состояние описывается множеством двоичных признаков.
При таком представлении алгоритм CloSpan (X. Yan & J. Han, 2003)не может построить модель за приемлемое время с нужной точностью, в товремя как алгоритм M3 SP (Plantevit et al., 2010) может построить модель лишьдля некоторых проекций с порогом по частоте в 5% за схожее время что инаш подход (проекция Ц!П2). Например, для проекции Ц!ПИ2 подход M3 SPне может построить модель для порога по частоте в 50%.В заключении приведены основные результаты работы, которые заключаются в следующем:∙ Разработан класс иерархических моделей процессов с состояниямисложной структуры, позволяющих исследовать такие процессы.
Методпостроения моделей предложенного класса основан на математическомаппарате решеток замкнутых описаний (узорных структур). Одной изключевых составляющих предлагаемого подхода являются проекции,предоставляющие средства приближения описаний. Они позволяют сохранять важные особенности модели и существенно ускоряют вычисления. Проекции были введены в работе B. Ganter & S.O. Kuznetsov (2001),но в диссертации класс возможных проекций был существенно расширен. Это позволило вводить проекции, которые имеют высокую практическую значимость при моделировании процессов с состояниями сложной структуры. В диссертации были введены и исследованы два важныхкласса проекций, используемые при построении моделей процессов ссостояниями сложной структуры.
Первый из них – это проекции минимальной длины, которые позволяют исключать короткие закономерностииз иерархической модели, что позволяет существенно сократить времярасчёта модели без потери её качества. Второй введенный вид проекции– это проекция на алфавите состояний процессов, позволяющая гибкоуправлять включаемой в модель информацией, что позволяет быстреестроить иерархическую модель, в которой остаются только важные дляэксперта элементарные модели – элементы иерархии.∙ Иерархическая модель процессов состоит из элементарных моделей, невсе из которых важны. В данной работе экспериментально показывается25возможность использование меры качества по устойчивости для выделения таких значимых элементарных моделей.
Во-первых, на широкой тестовой базе было проверено, что устойчивость выделяет схожие элементарные модели при построении иерархических моделей по различнымданным, порождённых по одной генеральной совокупности. Во-вторых,устойчивость сравнивается с некоторыми другими мерами качества назадаче задаче классификации. В этом сравнении устойчивость являетсяодним из лидеров, однако расчёт устойчивости при построении модели может занимать существенное время, и поэтому для практического использования устойчивости как меры качества при моделированииреальных процессов, были предложены методы приближённого вычисления.
Введены две оценки меры устойчивости, а эффективность этихоценок для отбора моделей была подтверждена при построении моделейреальных процессов с состояниями сложной структуры. Обе введённыеоценки имеют важное практическое значение и являются вычислительноболее эффективными, чем ранее известные.∙ Предложенная математическая модель процессов с состояниями сложной структуры, а также методы её построения реализованы в рамкахпрограммного комплекса. Отличительной особенностью предложеннойархитектуры этого комплекса является её модульность, которая позволяет исследовать различные типы процессов с состояниями сложнойструктуры.
Более того в рамках разработанного комплекса реализованобщий подход к моделированию на основании узорных структур и ихпроекций, что позволяет с небольшими усилиями создавать и исследовать новые модели, основанные на аппарате узорных структур.∙ Разработанные модель, вычислительные методы и комплекс программбыли применены для исследования процесса госпитализации пациентов.Результаты исследований были признаны значимыми экспертами в предметной области как позволяющие повысить качество лечения больных.Были рассмотрены различные параметры проекций модели (проекцияминимальной длины и проекция алфавита), которые позволяют построить упрощённую, но адекватную модель процессов госпитализации.26Публикации автора по теме диссертацииПубликации в изданиях, входящих в перечень ВАК:1.
Buzmakov A., Kuznetsov S. O., Napoli A. Scalable Estimates of Concept Stability // Form. Concept Anal. Vol. 8478 / ed. by C. V. Glodeanu, M. Kaytoue,C. Sacarea. — Springer Berlin Heidelberg, 2014. — Pp. 157–172. — (LectureNotes in Computer Science). — ISBN 978-3-319-07247-0.2. Бузмаков A. B. Узорные структуры для анализа сложных последовательностей // Научно-техническая информация.
серия 2 информационные процессы и системы. — 2013. — Т. 10. — С. 27—39.Прочие публикации:3. Buzmakov A., Egho E., Jay N., Kuznetsov S. O., Napoli A., Raı̈ssi C. FCAand pattern structures for mining care trajectories // Work. Notes FCA4AI. —2013. — Pp.
7–14.4. Buzmakov A., Egho E., Jay N., Kuznetsov S. O., Napoli A., Raı̈ssi C. OnProjections of Sequential Pattern Structures (with an application on care trajectories) // Proc. 10th Int. Conf. Concept Lattices Their Appl. — 2013. —Pp. 199–208.5. Buzmakov A., Egho E., Jay N., Kuznetsov S. O., Napoli A., Raı̈ssi C.
The representation of sequential patterns and their projections within Formal ConceptAnalysis // Work. Notes LML. — 2013. — Pp. 65–79.6. Buzmakov A., Kuznetsov S. O., Napoli A. A New Approach to Classificationby Means of Jumping Emerging Patterns // Work. Notes FCA4AI.
— 2012. —Pp. 15–22.7. Buzmakov A., Kuznetsov S. O., Napoli A. Is Concept Stability a Measure forPattern Selection? // Procedia Comput. Sci. — 2014. — Vol. 31. — Pp. 918–927. — ISSN 1877-0509.8. Buzmakov A., Neznanov A. A. Practical Computing with Pattern Structures inFCART Environment // Work. Notes FCA4AI. — 2013. — Pp.
49–52.27Лицензия ЛР № 020832 от «15» октября 1993 г.Подписано в печать « »г. Формат 60х84/16Бумага офсетная. Печать офсетная.Усл. печ. л. 1.Тираж 100 экз. Заказ № Типография издательства НИУ ВШЭ,125319, г. Москва, Кочновский пр-д., д. 3..