Кластерный анализ биомедицинских данных

МИНОБРНАУКИ РОССИИ[pic 1]

Федеральное государственное бюджетное

образовательное учреждение высшего образования
«Пензенский государственный технологический университет» 
(ПензГТУ)

Факультет биотехнологий

Кафедра «Биомедицинская инженерия»

КУРСОВАЯ РАБОТА

на тему «Кластерный анализ биомедицинских данных»

по дисциплине «Автоматизация обработки биомедицинской информации»

Выполнила: студентка гр.15ПБ1бзи

Бабурина  Ю.А.

Руководитель: к.т.н., доцент каф. БмИ

Сидорова М.Г.

Пенза, 2017

ЗАДАНИЕ НА КУРСОВУЮ РАБОТУ

по дисциплине «Автоматизация обработки биомедицинской информации»

Студенту Бабурина Ю.А.    Группа 15ПБ1бзи

Тема курсовой работы: «Кластерный анализ биомедицинских данных».

В ходе выполнения курсовой работы необходимо решить следующие задачи:

1. Основные термины и определения;
2. Формирование выборки с помощью программы Graph2Digit;
3. Произвести изотоническое и изоморфное разбиение;
4. Построить дендриты;

РЕФЕРАТ

Пояснительная записка к курсовой работе на тему «Кластерный анализ биомедицинских данных» содержит 19 страницы, 13 рисунков, 10 источников использованной литературы.

КЛАСТЕРНЫЙ АНАЛИЗ, ДЕНДРИТ, КЛАСТЕР, ИЗОТОНИЧЕСКИЙ, ИЗОМОРФНЫЙ, РАЗБИЕНИЕ, КЛАССЫ, МАТРИЦА.

Целью выполнения курсового проекта является изучение степени зависимости между величинами.

Для выполнения работы были использованы следующие программные средства: Microsoft Office Word и Microsoft Office Excel 2007.

Объектом исследования являются: кластерный анализ биомедицинских данных на примере ЭМГ.

Назначение и область применения:  учебный процесс кафедры БмИ.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ        5

1 КЛАСТЕРНЫЙ АНАЛИЗ        6

1.1 Назначение применения кластерного анализа        6

1.2 Расстояние и качество разбиения между классами        8

1.3 Алгоритм выполнения кластерного анализа        9

2 ПРАКТИЧЕСКАЯ ЧАСТЬ        12

ЗАКЛЮЧЕНИЕ        18

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ        19

ВВЕДЕНИЕ

Кластерный анализ - совокупность математических методов, предназначенных для формирования относительно "отдаленных" друг от друга групп "близких" между собой объектов по информации о расстояниях или связях между ними. Кластерный анализ широко используется в науке как средство типологического анализа. В любой научной деятельности классификация является одной из фундаментальных составляющих, без которой невозможны построение и проверка научных гипотез и теорий.

Анализ отечественных и зарубежных публикаций показывает, что кластерный анализ находит применение в самых разнообразных научных направлениях: биология, медицина, археология, история, география, экономика, филология и т.д.

По приблизительным оценкам специалистов число публикаций по кластерному анализу и его приложениям в различных областях знания удваивается каждые три года. Объективно существуют три основные причины этого явления. Это появление мощной вычислительной техники, без которой кластерный анализ данных практически не реализуем. Вторая причина заключается в том, что современная наука все сильнее опирается в своих построениях на классификацию. И последняя причина - углубление специальных знаний приводит к увеличению количества переменных, учитываемых при анализе тех или иных объектов и явлений. Вследствие этого субъективная классификация, которая ранее опиралась на достаточно малое количество учитываемых признаков, часто оказывается уже ненадежной. А объективная классификация, с все возрастающим набором характеристик объекта, требует использования сложных алгоритмов кластеризации, которые могут быть реализованы только на базе современных компьютеров. Именно эти причины и породили "кластерный бум". К сожалению, в среде медиков и биологов кластерный анализ еще не стал достаточно популярным и обыденным методом исследования.