СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

Аннотация
Изучение структуры задач анализа данных, представленных таблицами типа «объект–свойство–время» (кубов данных) привело к заключению о целесообразности описания этих данных с помощью концептов разного иерархического уровня. После формирования словаря концептов появляется возможность порождать своего рода текст, описывающий сценарий динамического процесса. Для формирования концептов, их типизации и распознавании в потоке данных разработаны методы, основанные на использовании функции конкурентного сходства (FRiS-функции). Предложенные подходы тестировались на прикладной задаче распознавания одиннадцати состояний пациента по данным четырех датчиков, укрепленных на его теле. Результаты эксперимента показывают, что использование FRiS-функции позволяет надежно членить поток данных на участки, соответствующие концептам, и распознавать типы концептов.

Список литературы
[1] Sara C. Madeira. Biclustering Algorithms for Biological Data Analysis: A Survey / Sara C. Madeira, Arlindo L. Oliveira // IEEE/ACM Transactions on Computational Biology and Bioinformatics. – 2004. – Vol. 1. – № 1. – P. 24–45.

[2] Борисова И.А. Критерии информативности и пригодности подмножества признаков, основанные на функции сходства / И.А. Борисова, Н.Г. Загоруйко, О.А. Кутненко // Заводская лаборатория. Диагностика материалов. – Москва, 2008. – № 1. – Т. 74. – C. 68–71.

[3] Борисова И.А. Алгоритм таксономии FRiS-Tax / И.А. Борисова // Научный вестник НГТУ. – 2007. – № 3(28). – C. 3–12.

[4] Zagoruiko N.G. Methods of recognition based on the function of rival similarity / N.G. Zagoruiko at all  // Pattern Recognition and Image Analysis. – 2008. – Vol. 18. – № 1. – P. 1–6.

[5] Boštjan Kaluža. Analysis of Daily-Living Dynamics / Boštjan Kaluža, Matjaž Gams // Journal of Ambient Intelligence and Smart Environments. – IOS Press – 2012. – Vol. 1. – P.1–51.

[6] Localization Data for Person Activity. – Режим доступа: http://archive.ics.uci.edu/ml/datasets/Localization+Da-ta+for+Person+Activity