hrvatski

Smanjivanje dimenzijske složenosti otkrivanja znanja u skupovima podataka

U radu je implementirana filtar metoda za selekciju značajnih atributa u dubinskoj analizi podataka dobivenih ekspresijom gena. Domena bioinformatike izabrana je zbog aktualnosti i nepostojanja pouzdanih metoda indukcije modela. Kao mjera relevantnosti podskupa atributa upotrebljen je prirast uzajamne informacije. Istraženo je i implementirano te uspoređeno nekoliko algoritama za pretraživanje skupa podataka. Indukcija modela temelji se na malom broju kritičnih graničnih vrijednosti (vektori potpore) svake klase, te izgradnji linearne diskriminacijske funkcije. Procjena točnosti predikcije modela temelji se na poznatim statističkim izračunima. Znanstveni doprinos rada ogleda se u oblikovanju izvornog programa za selekciju značajki u skupovima podataka iz područja biomedicine, te eksperimentalna provjera i ocjena postupka kroz rješavanje stvarnih dijagnostičkih problema (posebice malignih bolesti).

dubinska analiza podataka; ekspresije gena

nije evidentirano