Михаил Владимирович Артеменко к.б.н., доцент, Юго-Западный государственный университет (г. Курск) Е-mail: artem1962@mail.ru Евгений Семёнович Подвальный д.т.н., профессор, Воронежский государственный технический университет E-mail: spodvalny2@mail.ru Евгений Александрович Старцев аспирант, Юго-Западный государственный университет (г. Курск) E-mail: starcev_evgeniy@mail.ru

Рассмотрены вопросы оценки информативности признаков в условиях выборок обучающего материала малого объема, характеризующих поведение биообъекта на основе вычисления различными способами значений интегрального критерия информативности, включающего показатели, полученные согласно: модели Г. Раша теории измерения латентных переменных, самоорганизационных алгоритмов идентификации аппроксимирующих полиномов методом группового учета аргументов и результатов экспертной оценки. Показана возможность применения критерия для вычисления экстремальных оценок функций принадлежности результатов натурных экспериментов в системах поддержки принятия диагностических решений, основанных на нечетких логических правилах.

 

1. Воронцов И.М., Шаповалов В.В., Шерстюк Ю.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирующей диагностики нарушений здоровья. СПб.: ООО «ИПК «Коста» Б. 2006. 432 с.
2. Демидова Л.А., Кираковский В.В., Пылькин А.Н. Принятие решений в условиях неопределенности. 2-е изд., перераб. М.: Горячая линия - Телеком. 2015. 283 с.
3. Загоруйко Н.Г., Кутненко О.А. Алгоритм GRAD для выбора информативного подпространства признаков. Институт Математики СО РАН, (точка доступа http://pandia.ru/text/78/248/79351.php).
4. Колесникова С.Н. Методы анализа информативности разнотипных признаков // Вестник Томского государственного университета. Сер. Управление, вычислительная техника и информатика. 2009. № 1(6). С. 48-54.
5. Кореневский Н.А., Шуткин А.Н., Бойцова Е.А. Оценка и управление состоянием здоровья на основе моделей Г. Раша // Медицинская техника. 2015. № 6.  С. 37-40.
6. Rasch G. Probabilistic models for some intelligence anent tests (Expanded edition, with foreword and afterword bu Benjamin D. Wright). Chicago: University of Chicago Press. 1980. 199 p.
7. Пакет RUMM2020/ URL:http://rumm2020.software.informer.com/
8. Орлов А.А. Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов // Управляющие системы и машины. 2013. № 2. С. 65-71.
9. GMDH //URL: http://gmdh.net/ (дата обращения 8.02.2016).
10. Артеменко М.В., Калугина Н.М., Шуткин А.Н. Формирование множества информативных показателей на основании аппроксимирующего полинома Колмогорова-Габора и максимального градиента функциональных различий // Известия Юго-Западного государственного университета. Сер. Управление, вычислительная техника, информатика. Медицинское приборостроение. 2016. № 1. С. 116-123.
11. Саттон Р.С., Барто Э.Г. Обучение с подкреплением. М.: БИНОМ. Лаборатория знаний. 2011. 369 с.
12. Цифровая обработка сигналов и изображений в радиофизических приложениях / Под ред. В.Ф. Кравченко. М.: Физматлит. 2007. 544 с.
13. Кореневский Н.А., Артеменко М.В., Провоторов В.Я., Новикова Л.А. Метод синтеза нечетких решающих правил на основе моделей системных взаимосвязей для решения задач прогнозирования и диагностики заболеваний // Системный анализ и управление в биомедицинских системах. 2014. Т. 13. № 4. С. 881-886.
14. Кореневский Н.А., Разумова К.В. Синтез нечетких классификационных правил в многомерном пространстве признаков для медицинских приложений // Известия Юго-Западного государственного университета. Сер. Управление, вычислительная техника, информатика. Медицинское приборостроение. 2012. № 2. С. 223-227.