| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Īsu laika rindu un to aprakstošo parametru modeļa izstrādāšana glikozes testa rezultātu prognozēšanai |
| Title in English |
Short Time Series and Descriptive Parameter Model Development for Glucose Test Result Forecasting |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Mg. sc. ing. Arnis Kiršners |
| Reviewer |
Mg. sc. ing. Egmonts Treiguts |
| Abstract |
Medicīnā dažādu diagnostikas testu veikšanai tiek izmantotas metodes, kas iegūst informāciju par pacientu vispārīgi un kādus specifiskus datus tieši par testa veikšanas laiku. Šādu testu piemērs ir glikozes un laktozes elpas testi, ko veic baktēriju proliferācijas sindroma diagnosticēšanai. Glikozes elpas testa laikā tiek iegūti dati, ko iespējams pārveidot par īsām laika rindām un to aprakstošajiem atribūtiem. Šādi dati darbā tiek apstrādāti ar dažādām datu ieguves metodēm un algoritmiem.
Šī darba mērķis ir izveidot modeli īsu laika rindu un to aprakstošo parametru prognozēšanai. Mērķa sasniegšanai tika veikta literatūras analīze par īsu laika rindu un to aprakstošo atribūtu apstrādi. Pēc literatūras analīzes tika pielietota datu pirmapstrāde un aprakstošo atribūtu kopai tika noteikti informētākie atribūti. Ar klasterizācijas algoritmu palīdzību tika apzinātas līdzīgu objektu grupas īsu laika rindu datos. Izmantojot klasifikācijas metodes, tika novērotas likumsakarības starp objektu klasi un to aprakstošajiem atribūtiem. Pēc datu analīzes tika veikta klasifikatora apmācība, pārbaudīta tā precizitāte un prognozētas jaunas vērtības.
K-vidējo sadalošais algoritms pie lielāka skaita klasteru sniedz mazāku kļūdu, kas nozīmē, ka pie klasteru skaita noteikšanas, tas vienmēr norādīs par labu lielākam klasteru skaitam. Taču modificētā k-vidējo sadalošā algoritma gadījumā klasteru skaita noteikšanai tiek izmantoti atšķirīgi novērtējuma aprēķini, kas sniedz efektīvākus rezultātus īsu laika rindu klasterizācijā. Izstrādātais modelis piedāvā izmantot glikozes elpas testa rezultātus, lai noteiktu laktozes elpas testa veikšanas nepieciešamību baktēriju proliferācijas sindroma diagnosticēšanai.
Darba apjoms - 63. lpp., 11 tabulas, 8 attēli un 1 pielikums. |
| Keywords |
Datu ieguve, Klasifikācija, Klasterizācija |
| Keywords in English |
Data Mining, Classification, Clustering |
| Language |
lv |
| Year |
2015 |
| Date and time of uploading |
03.06.2015 13:22:46 |
