Введение
ГЛАВА 1. Обзор существующих методов классификации многомерных данных и постановка задачи 12
1.1. Статистический метод классификации многомерных данных 13
1.2. Возможность использования нечеткой логики для классификации многомерных данных 17
1.3. Метод классификации многомерных данных, основанный на нейронных технологиях 21
1.3.1.Искусственный нейрон 21
1.3.2.Многослойный персептрон 22
1.3.3.Нейронная сеть Ворда 24
1.3.4.Нейронная сеть Кохонена 24
1.4. Робастный метод классификации многомерных данных 27
1.4.1.Робастная регрессия 28
1.4.2.Знаковая регрессия 29
1.5 Необходимость разработки моделей и алгоритмов классификации состояний биоценозов на примере микробиоценоза желудочно-кишечного тракта человека 30
1.5.1.Дисбиоз желудочно-кишечного тракта 30
1.5.2.Характеристика микрофлоры кишечника людей различного возраста 31
1.5.3.Выбор параметров оценки состояния биоценоза желудочно кишечного тракта человека 33
1.6 Выводы и постановка задачи 39
ГЛАВА 2. Модели представления многомерных данных 41
2.1. Структурно-статистическая модель представления многомерных
данных 41
Метод проекций 43
2.2. Нечеткая модель представления многомерных данных 48
2.2.1.Функции принадлежности 49
2.2.2.Метод вычисления функции принадлежности применительно к задаче классификации многомерных данных 54
2.3. Знаковая модель представления многомерных данных 58
2.4. Выводы 60
ГЛАВА 3. Разработка алгоритмов классификации состояний биоценозов 61
3.1. Алгоритм классификации, основанный на структурно-статистической модели представления многомерных данных 62
3.2. Алгоритм классификации, основанный на нечеткой модели представления многомерных данных 66
3.2.1.«Классический» алгоритм классификации состояний биоценозов 66
3.2.2.Нечеткий алгоритм классификации состояний биоценозов 68
3.3. Алгоритм классификации, основанный на знаковой модели представления многомерных данных 71
3.4. Выводы 74
ГЛАВА 4. Практическая реализация разработанных алгоритмов классификации 75
4.1. Экспериментальное исследование алгоритма классификации, основанного на структурно-статистической модели 75
4.2. Экспериментальное исследование алгоритма классификации, основанного на нечеткой модели 77
4.3. Экспериментальное исследование алгоритма классификации, основанного на знаковой модели 81
4.4. Классификация состояний микробиоценозов желудочно-кишечного тракта человека с использованием нейросетевых технологий 84
4.5. Сравнительный анализ алгоритмов классификации 88
4.6. Описание программной реализации 90
4.7. Выводы 92
Заключение 93
Библиографический список
