RUS  ENG
Полная версия
ЖУРНАЛЫ // Системы и средства информатики // Архив

Системы и средства информ., 2020, том 30, выпуск 1, страницы 34–45 (Mi ssi682)

Эта публикация цитируется 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

DOI: 10.14357/08696527200103



© МИАН, 2024