Розроблено методи одержання знань для медичної експертної системи (ЕС). Вперше розроблено ЕС, що дозволяє підвищити достовірність визначення ступеня ризику синдрому раптової смерті немовляти (СРСН) за рахунок використання розроблених методів інтелектуального аналізу даних, а також визначити ступінь ризику на ранніх термінах вагітності. Проведено реалізацію гібридної системи на базі нейронних мереж і генетичних алгоритмів, що дозволило досягти високої ефективності відбору інформативних факторів ризику СРСН шляхом регулювання співвідношення кількості факторів і помилки класифікації. Удосконалено деревоподібний спосіб кодування особини для булевої функції, що дозволило одержати класифікаційні дерева для визначення ступеня ризику СРСН. Еспериментально одержано класифікаційне дерево, що дозволяє з точністю 98,57 % визначати ступінь ризику СРСН. Удосконалено спосіб кодування особини у вигляді дерева, поданого булевою функцією у диз'юнктивній нормальній формі, що дозволяє формувати класифікаційні правила для визначення ступеня ризику СРСН. Еспериментально встановлено класифікаційні правила для визначення високого ступеня ризику СРСН. Із використанням троїчної логіки у булевих обчисленнях класифікаційного дерева розроблено класифікацію для випадку невизначених значень деяких факторів ризику.

  Завантажити